过去几年，随着生成式AI、大模型、AI Agent等技术快速发展，围绕人机协作、人本AI、智能交互等方向的研究不断深入，也让越来越多的人开始重新审视人与技术之间的关系。
有意思的是，这些今天仍在不断探索的问题，并不是随着ChatGPT、Gemini等出现才产生的。早在几十年前，人机交互领域的研究者就已经围绕人机协作、用户中心设计、设计伦理、技术价值等议题展开了系统思考，并形成了一系列影响深远的经典文献与理论。
对于学习交互设计、智能产品设计、人机交互等方向的同学来说，这些经典研究不仅构成了整个HCI学科的发展脉络，也为理解今天的大模型、人本AI以及未来智能交互提供了重要的理论框架。
从"计算工具"到"智能伙伴"
人机交互思想的诞生
今天，当我们讨论AI时，一个绕不开的话题就是： AI究竟会不会取代人？
有人担心程序员会被AI写代码取代，有人认为设计师会因为生成式AI失去竞争力，也有人不断讨论，当AI Agent越来越成熟，人是否还会是整个工作流程中不可或缺的一部分。但如果回顾人机交互的发展历程，就会发现，这个领域从诞生开始，就已经在思考这个问题了。
1960年，J.C.R. Licklider发表了后来被认为是HCI思想的发轫之作的《 Man-Computer Symbiosis（人机共生）》。今天"人机共生"已经成为一个大家比较熟悉的概念了，但在1960年，人机交互甚至还没有发展成为一门独立的学科，也找不到一个能够准确描述人与计算机关系的理论框架。因此很多概念和理论都需要借用心理学、生物学、实验科学等其他学科的思想来解释人与计算机之间的关系。
图片来自：朝菌学园清美交叉学科必修班课程
在论文中，他借用了"Symbiosis（共生）"这一概念来描述未来的人与计算机关系。自然界中的共生，并不是一方取代另一方，而是双方发挥各自优势，在长期协作中形成彼此依赖、共同发展的关系。论文中提到的无花果树与授粉昆虫便是一个典型例子：无花果树依赖昆虫完成授粉，而昆虫又依赖无花果获取食物，双方都无法脱离彼此独立生存。
在Licklider看来，人与计算机未来也应该建立类似的关系。机器擅长的是可以程序化、规则化的工作，例如复杂计算、大规模数据处理以及重复性的逻辑运算；而人类真正擅长的，则是目标设定、模式识别、提出假设以及面对不确定信息时进行综合判断。双方解决的是不同类型的问题，因此技术发展的方向，并不是让机器替代人，而是让人与机器共同完成任何一方都难以独立完成的任务。
这一观点不仅奠定了后来整个人机交互的发展基调，也成为Human-in-the-Loop、增强智能等理念的重要思想来源。
不过，在1960年，这仍然只是一个关于未来的设想。直到8年后，一场后来被称为"The Mother of All Demos"的公开演示，第一次让人们真正看见了这种人机协作关系可以是什么样子。
图片来自：朝菌学园清美交叉学科必修班课程
在短短90分钟里，这场演示展示了鼠标、图形界面、超文本、视频会议、多人实时协同编辑等一系列今天早已成为计算机基础功能的交互方式。
很多人认为，这场演示改变的是计算机的发展方向，但更准确地说，它改变的是人们理解计算机的方式。它所传递的核心思想并不是"计算机能够完成更多任务"，而是 技术应该帮助人类提升解决复杂问题的能力。
从今天的视角来看，无论是ChatGPT、Copilot还是各种AI设计工具，其设计逻辑都延续着这一理念：AI负责提升效率，人负责判断方向；AI负责处理信息，人负责创造价值。技术真正的意义，并不是让人退出工作流程，而是不断扩展人的能力边界。
从"机器"到"人"
为什么HCI开始关注用户？
20世纪80年代，计算机开始从实验室走向办公室和家庭。用户群体也发生了变化，过去主要使用计算机的是工程师和科研人员，而越来越多普通用户开始接触数字产品。新的问题随之出现：计算机越来越强大，软件功能越来越丰富，但产品却不一定越来越好用。正是在这样的背景下，人机交互开始真正把研究重点从"机器"转向"人"。
1983年提出的 Model Human Processor（人类处理器模型），第一次借助认知心理学的方法，将人的感知、记忆、决策等过程进行量化，希望建立一套能够预测用户操作效率的模型。这意味着，交互设计开始摆脱过去依赖经验和直觉的方式，逐渐成为一门可以分析、验证和优化的学科。
Model Human Processor
然而，仅仅让用户操作得更快，并不意味着产品真正好用。随后提出的User-Centered Design（以用户为中心的设计）进一步强调，设计不能只围绕技术展开，而应该从用户真实需求出发，通过持续的用户研究、用户测试和设计迭代，不断优化产品体验。今天常见的用户访谈、可用性测试等方法，都能够追溯到这一时期。
图片来自：朝菌学园清美交叉学科必修班课程
这一理念在后来又被《Plans and Situated Actions》 中的经典案例进一步验证。研究者记录了多位科学家使用 Xerox 8200复印机的全过程。令人意外的是，这些逻辑能力极强的研究人员，却频繁在操作过程中陷入困惑，甚至无法完成最基本的复印任务
《Plans and Situated Actions》
实验最终发现，问题并不是用户不会使用产品，而是设计者错误地假设，所有人都会按照系统预设的流程思考和操作。现实中的用户会根据环境和反馈不断调整自己的行为，因此，一个真正优秀的交互系统，不应该要求用户适应产品，而应该尽可能贴近用户真实的认知方式和行为习惯。
从"工具"到"社会"
技术真的中立吗？
如果说 Model Human Processor、 User-Centered Design 等经典理论解决的是"产品怎么才能更好用"的问题，那么在人机交互的发展过程中，还有一类经典文献讨论的是另一个完全不同的话题：技术真的只是一个工具吗？
很多时候，我们都会觉得，技术本身没有好坏，真正决定它产生什么影响的是使用它的人。但仔细想想就会发现，为什么不同平台会推荐完全不同的内容？为什么有些产品会让人忍不住一直刷下去，而有些设计又会影响我们的消费、社交甚至表达方式？很多时候，真正影响我们的，并不仅仅是"有没有这项技术"，而是 这项技术被设计成了什么样子。
《 Do Artifacts Have Politics?》正是围绕这个问题展开讨论。它提出，技术并不是一个完全中立的存在。从按钮放在哪里，到功能如何组织，再到算法如何决定用户看到什么内容，每一个设计选择都会影响用户的行为，也会潜移默化地影响人与技术之间的关系，所以人机交互开始把目光扩展到"如何把产品做好"。
后来提出的 Value Sensitive Design（价值敏感设计），就是这一思路的代表。它认为，设计过程中需要考虑的不只是效率和功能，还包括隐私、公平、信任、包容等价值因素。换句话说，设计一个产品，不只是设计交互流程，也是在决定一种价值如何通过技术被传递给用户。
图片来自：朝菌学园清美交叉学科必修班课程
放到今天，这些观点反而变得越来越容易理解。推荐算法会不会让人陷入信息茧房？人脸识别为什么会对部分群体识别效果更差？这些问题看起来发生在AI时代，但讨论的其实都是同一个命题： 技术并不是脱离社会独立存在的，它始终会受到设计、数据和应用场景的影响。
基于这样的思考， Feminist HCI 进一步提醒设计者，人机交互不能假设所有用户都是同一种人。不同性别、年龄、文化背景以及身体条件的人，对同一种产品可能会有完全不同的体验。真正的人本设计，并不是让一个产品适合"大多数人"，而是尽可能让更多不同的人，都能够被看见、被理解。
从个体交互到AI时代
重新理解"人"
进入20世纪90年代之后，互联网开始快速发展，人机交互研究的对象也随之发生了变化。过去，人机交互更多关注的是一个人与一台计算机之间如何完成交互；但随着网络协作软件不断出现，人们发现，越来越多的产品开始涉及多人共同参与、共同完成任务。此时，一个产品是否成功，已经不仅取决于界面是否易用，还取决于人与人之间能否建立高效的协作关系。
1994年前后，关于CSCW的研究提出了一个重要观点：许多群件（Groupware）产品的失败，并不是因为技术能力不足，而是因为设计者简单地将单用户软件的设计经验照搬到了多人协作场景，却忽略了团队协作、组织关系以及社会行为等因素带来的影响。
图片来自：朝菌学园清美交叉学科必修班课程
这一观点也意味着，人机交互开始真正从"个人体验"走向"群体协作"。研究对象不再只是一个用户，而是一个由人与人、人与技术共同构成的复杂系统。
而在进入人工智能时代之后，这种思考再次被进一步延伸。当我们惊叹于大模型强大的生成能力时，很容易认为AI正在独立完成越来越多的工作。但事实上，大量智能系统的背后，依然离不开真实的人类参与。
在关于Amazon Mechanical Turk 的研究中，研究者指出，大量数据标注、内容审核、文本整理等工作，实际上都由遍布全球的数字劳动者完成。他们很少出现在公众视野，却支撑着人工智能模型的训练和优化。换句话说，看似"自动完成"的AI，背后仍然存在大量人的工作。
这也让人机交互再次回到了最初的问题： 人与技术究竟应该是什么关系？
回顾这六十多年的发展历程，从《 Man-Computer Symbiosis》提出"人机共生"，到以用户为中心设计、设计伦理、群体协作再到今天的人本AI，人机交互关注的对象始终在变化，但有一个核心命题从未改变—— 技术真正的价值，从来不是替代人，而是更好地服务于人、增强人的能力，并帮助人与人建立更高效、更有意义的连接。
更多院校&课程可咨询
_ʕ •ᴥ•ʔJOIN CLUB_