Human Info Processing
Human Info Processing
- The Human Information Processor「人类信息处理器」
- Input: perception「感知」
- Throughput: memory (sensory, short-, long-term)「记忆（感觉的、短期的、长期的）」
- 解决问题：推理、联想
- Output: motor「电机」 response, performance evaluation
人类信息处理器
大脑的结构和内部运作
白质看起来有点毛茸茸的。其实不然。当你放大时，你会看到一帧具有直线边缘的水平线与垂直线（Wedeen, 2012）。我们还不知道的是，信息是如何通过这些线框传输的。
再放大一点，你会看到神经细胞有凸起和嫩芽，这是神经细胞的 "精细结构"。
如果你取一个千分之一（0.001）微米（比一粒盐小）的脑组织样本，你会发现大约100个轴突和80个树突。
- 人类有大约700亿个脑细胞
- 这就是大脑结构的复杂性
- 复杂，而不是混乱
利希特曼和卡斯图里发现，每个神经细胞只与另一个细胞接触，避开所有其他细胞。它们非常有选择地与谁联系
提示
- Fried (2005) 发现了“詹妮弗·安妮斯顿神经元”
- Quian Quiroga 还发现了识别奥普拉温弗瑞、金门大桥和艾菲尔铁塔的脑细胞
- 特定信息（面孔、地点）仅存储在一个或两个单元格中
- 神经细胞内充满了DNA、蛋白质和其他分子。我们的DNA中约有84%的基因在我们的成年大脑中变得活跃。
- 每种类型的神经细胞都使用特定范围的基因来建立其功能的分子机制
- 眼睛中的光受体制造出可以捕捉光子的蛋白质
- 黑质中的神经细胞制造多巴胺，对我们的奖励系统至关重要（参照情感处理）。
The problem continuum
「问题连续体」
- 问题解决：实现目标的策略、手段和程序
- 问题：如何获得我想要的东西？
- 目标状态：问题解决活动所期望的最终状态或解决方案
- 次级目标：解决问题过程中的中期目标
- 问题空间：短期、中期和长期的目标状态以及每一步需要的信息
Well-defined problem「定义明确的问题」: full specification of the provided data, actions, strategies, and goal states, which can be represented in a problem space「对所提供的数据、行动、策略和目标状态进行全面规范，可以用问题空间来表示。」
定义不清的问题：对所提供的数据、行动、策略和目标状态的部分或不精确的说明，不能在问题空间中（完全）表示。
- Difference reduction：每实现一个子目标，都会使当前问题状态更接近目标状态。
- Means-end analysis: 对于每个子目标，（不同的）程序会减少当前问题状态和目标状态之间的差异，即使这暂时导致远离目标状态
物流问题：用一辆卡车从三个不同的城市供应工厂，然后返回基地
Difference reduction
Means-end analysis
Forward and backward reasoning
前向和后向推理是递归推理原则。**用于解决定义明确的问题，**这些问题明确有形式上的限制（象棋、数学）。
Fetch robotics: Difference reduction or Means-end analysis?
Forward reasoning
Backward reasoning
Analogy&Creative Problem Solve
Analogical reasoning
Analogical reasoning looks for
relations between features and categories that are similar to
relations between other features and categories
「类比推理寻找
特征和类别之间的关系类似于
其他特征和类别之间的关系」
Case-based reasoning
- 类比推理「Analogical reasoning」是半途智能和创造性的问题解决：它有推理和联想的一面
- 基于案例的推理 「Case-based reasoning」 is a type of analogical reasoning
Random trial-and-error
随机试错「Random trial-and-error」是一种低层次的问题解决策略，但常见于非专业用户。
违反了智能问题解决「intelligent problem-solving」中对系统分析「systematic analysis」和计划行动的要求。在创造性的问题解决「creative problem-solving」中，偶然「serendipitous」的发现可能会发生
Creative Problem Solving
创造性解决问题：两个世界的融合（例如，生物学（蠕虫）和工程学（救援机器人））
- 创造性地解决问题：给可用于解决问题的（标准）手段赋予不同的功能
- 创造性地解决问题：两个世界的融合（界面设计和针线活）。
- 创造性地解决问题：超越显而易见的事物（例如，使用 PC 的背面）
下一步：创造力和深度学习 (DL)
Creativity and Deep Learning
DL is a type of computer
program (AI) from the family
of neural networks它有10到20层的 "细胞"，处理原始数据（例如，一个像素）。细胞将信息从最底层整合到下一个更高的层次，以此类推，直到它们达到标准，并根据物体的特征将其置于一个类别中。
DL是高级配置中的信号检测
底层检测，比如说，线条
第二层搜索线条的组合，如边缘 边缘共同构成了人脸、汽车、大象、椅子等的典型特征。
所有单元都是连接的，但连接有不同的权重。调整权重是通过TB级的训练数据完成的
为什么错误只是僵化系统中的错误，而不是创造性中的错误？
Problem Representation
你如何表示一个问题（如文本或图像）会影响其解决方案。
- Surface level Phenomenology「表层现象学」
- Structural level
- Symbolic level「符号层面」
作为一个设计师，你的客户会以一种特定的方式来代表他们的问题 在比你的客户提供的问题代表中抽出更多的信息!
- 你如何表现一个问题会影响到它的解决，也是在用户界面上。
- 做出多种表述，每种表述都涉及另一个方面
不同的思维模式解决问题的方式不同
- The logic rationalist「逻辑理性主义者」：逻辑理性主义者采取与人无关的概述。把他/她自己看成是空间中的一个点。从现实世界中抽象出来。测量是多余的，因为 "我可以从先验中推理"。
- The associative empiricist「联想的经验主义者」联想的经验主义者采取第一人称视角。进入具体化阶段。"我无法看到/测量它。因此，我不能回答这个问题"。
到目前为止，您可能认为联想经验主义者非常愚蠢，这是不准确的。
- 结构化决策通常与定义明确的问题和更精确的问题状态有关
- 非结构化的决策通常与定义不清的问题和比较模糊的问题状态有关
Response
Output: response
- Motor「电机」
- 速度-准确度的权衡
- Fitts’ law
- Shannon’s theory
- Performance evaluation
- Index of Difficulty
- Index of Performance
Output: response time
对刺激作出反应的时间（速度）：反应时间+运动时间「reaction time + movement time」
运动时间取决于对象的身体特征：例如年龄、健康水平
反应时间取决于刺激类型
Output: accuracy of response
- Another measure of motor skill is accuracy
- 在速度和准确性之间有一个权衡
- 越快越马虎（不准确）
- 越慢越精确（准确）
然而，反应速度是否会导致准确性降低，取决于任务和用户。这就是你做训练的原因：快速+准确
Output: speed vs accuracy
Fitts’ Law: speed vs accuracy
- A model of human movement
- 预测从起始位置快速移动到最终目标区域所需的时间
- Models the act of pointing
- 在现实世界中（例如，用手或手指，甚至是眼睛追踪）
- 在计算机上（例如，使用鼠标或操纵杆）
一个界面小部件越宽，离指针越近，越容易击中它
Index of Difficulty: 移动到目标需要更多的时间，当
- 与目标的距离（A）增加
- 目标的误差容忍度（W）降低了
也就是说，当目标距离较远或尺寸较小时
ID = log2(A/W + 1), or
ID = log2(A/W + 0.5) (when ID < 3 bits)
Putting everything together:
- 完成任务所需的时间Tpos与ID呈线性关系。
- Tpos = a + b*ID
- a和b是通过实验数据经验确定的。
- a = y-intercept
- b = slope (secs/bit)
- Tpos = time taken (seconds)
3-click Rule
What is the 3-click rule? In a nutshell, it says that if users can't find what they're looking for after three clicks, they're likely to become frustrated and leave the site. This common misconception is affecting how we design websites with a good user experience.
Summary
人类信息处理不同于计算，因为感知、记忆、问题解决和（运动）反应不那么 "稳定"，但也更具有适应性。
所有的视觉、文字、声音和触觉输入成为一个综合的整体，并在记忆中消失，有时是在一个细胞中（例如，脸和地方）。
记忆不是固定的，而是随着时间的推移而变化（神经元改变其连接）。Memory is context-sensitive「记忆是对环境敏感的」
解决问题的能力可能不同。
- 对于确定性问题，你需要推理（例如，手段-目的分析）。
- 对于不确定「underdetermined」的问题，你需要创造性的解决方案。
设计设备时，您需要考虑速度与准确性之间的权衡。也就是说，训练有素的用户可以非常高效，将高速与高精度结合起来（参见专业 - 团队游戏玩家）
这也意味着未经训练的用户（新手、首次使用的用户、老年人）可能不像你那样先进
对速度和准确性的用户测试告诉你，你的系统或设备在用户性能方面表现如何。不要忘了也要求赞赏（喜欢-不喜欢）。
从 Shannon’s Theory of Information Systems 中得出的菲茨定律是你确定用户运动输出性能的手段。
Exam Sample Item
