从AI助手推荐‘最优路线’却引发驾驶焦虑的案例出发，本文揭示了人机交互中的核心矛盾：技术的飞速演进与人性底层需求的不变本质。通过解构‘探索’这一日常场景，作者提出HAI交互设计法的关键——深度理解，并系统剖析了探索行为的心理驱动、要素构成与设计解法，为构建真正以人为中心的智能交互提供了全新框架。
回溯本账号首个系列文章——《AI 时代，人机交互即将消失？》，我们重访了 HCI 的演进史，探究当机器开始思考时所引发的人机交互变革。在此基础上，提出了面向未来的新生交互形态——人与智能体交互（Human-Agent Interaction Design）。
HAI 旨在以人为中心的前提下，深度整合智能体和服务，交付直观、优雅、简单的设计方案。目标既定，便需探索具体的抵达路径。
技术不断革新，重塑着人机交互的表象，但回归人机交互的第一性原理，人心深处的底层需求其实从未改变，变的只是技术赋能下信息交互的路径与形态。
基于这种“变与不变”的辩证洞察，我们将探索后的路径归纳为一套全新的设计方法模型——HAI 交互设计法。其核心在于：通过 「深度理解」 锚定不变的本质需求，并借由「自然交流设计」顺应变化的技术演进，最终以最自然的形态重塑人与数字世界的连接方式。具体而言：
深度理解
深度理解是 HAI 设计的原点。以人为中心的场景化认知框架，解析人在不同场景中的行为，直抵不变的底层需求与场景心智。教会 AI 读懂人心，为自然交流设计指明了北极星目标。
自然交流设计
自然交流设计是 HAI 设计的核心方法。致力于顺应技术的变革，以实现更加自然的交互、更加智能的服务、更加情感化的体验、以及更加安全的设计。
体验验证
聚焦用户对设计方案的体验与感受。既是对设计方案合理性的验证，也是对深度理解的补充与修正。当前阶段主要基于现行的成熟方法（量化数据与定性洞察等）进行验证，模型内将不再展开探讨
本次我们将聚焦「深度理解」。
我们在车上跟 AI 小助手说出目的地，助手在计算大量数据后迅速列出三条路线，用不同颜色标注了时间和拥堵情况，还贴心地推荐了从算法上看最快到达的那一条。
但当我们下意识选择这条路开到一半后，发现不太对劲。
路窄得刚好只能通过一辆车，两旁是随时可能打开的车门和突然窜出的小孩。我们精神高度紧张，不停地抱怨，而助手不为所动。于我这个新手司机而言，AI 小助手推荐的这条最优的道路却成为了最远的路。
——来源：HAI Design《拨云见日：与智能体共建意图》
或许你还记得之前文章中的这个小故事，而它正是变与不变之间的一个矛盾缩影：技术向前，AI 似乎能算天算地，但却往往算不准人心。
那此次，我们延续这段小小旅程，深度探索其所属的场景——探索，这个大家日常鲜有提及的场景，去透视藏在行为背后的人心秘密，并正式开启「深度理解」的首文——《深度理解：探索》。
1911年，阿蒙森首次抵达南极点；1969年，阿姆斯特朗在月球踏下脚印；十多年前，“蛟龙号”在深海亮起光束。
提及“探索”，往往浮现出宏大的、甚至带有英雄主义色彩的画面。也正因如此，探索于我们而言显得如此遥远。
此次聚焦探索，你或许疑惑：“探索是我们日常生活场景的一环吗？”
婴孩时，你伸手抓碰悬挂的玩偶。少年时，放肆冲浪于互联网。如今的你在假期踏上旅行。也许你不自知，但其实这些行为皆为探索。
探索不仅是那些壮举，更是一种与生俱来的本能。它驱动着我们大量的日常行为，是构建完整生活必不可少的场景。
既如此，本次我们重新审视这个日常鲜有提及的场景，解构其定义，探寻底层的驱动因素，透视场景下人们不变的需求，并思考如何去建构 HAI 时代下的探索场景服务，以满足人们持续开展的或大或小的探索活动。
“探索：人类或其他动物在适应新环境时做出的动作。即使没有明显的奖励，探索行为也会发生。”
——来源：APA 美国心理学会词典
基于 APA 释义，探索是适应新环境所做出的主动行为，主要由内在本能而驱动。而基于探索行为领域的研究共识，其底层内在驱动力即为：好奇心。
好奇心并非单一维度的心理因素，根据心理学家丹尼尔·伯莱因（Daniel Berlyne）的分类，其主要可分为四种类型：
1. 感知型好奇心（Perceptual Curiousity）：这是一种由外界新奇刺激引起的直接反应（比如我们会被色彩强烈的画面所吸引），且这种刺激会随着持续接触而减弱；
2. 认知型好奇心（Epistemic Curiousity）：这是一种源于信息鸿沟的求知欲，是人们学习行为的核心驱动力；
3. 特定型好奇心（Specific Curiousity）：是指对特定信息的渴望，是对新奇刺激的详细调查；
4. 分散型好奇心（Diverse Curiousity）：是指对于知觉或认知刺激的普遍渴望。
基于上述分类，基本而言，探索行为是由物理和心理对象的“关联变量”引发的，例如新颖性、模糊性、复杂性以及这些对象在主体身上产生的客观不确定性。而人类满足好奇心的背后，一是为了消除不确定的焦虑与信息鸿沟，二则是受到刺激与愉悦所驱动。就此，也便引发了人们两类主要的探索行为：
1. 审视性探索（Inspective behavior）：该行为通常会包含收集、调查、分析与整合这样一个偏线形流程，有时最后还会包含效用评估的环节，最终以减少不确定性与获取新的特定的或广泛的认知。
通过 AI 入口搜寻资料，便是典型数字生活中的审视性探索
2. 多元性探索（Diversive behavior）：为了缓解无聊或提高兴奋度而寻求刺激/感觉的行为，因此该行为会更加分散与游离。
闲逛摄影扫街，便是典型的现实生活中的多元性探索
结合上述的心理与行为理论研究，可以给予“探索”一个更详尽的定义：探索行为主要是由好奇心所激发的，对环境或信息进行搜寻与交互的过程，以实现认知结构的适应性调整或边界的扩展。
与此同时，“好奇心害死猫”言犹在耳。好奇心所激发的探索行为天然面临大量的不确定性与未知性，甚至是真实的危险。那要如何构建起探索场景下的各类服务以更好地帮助用户开展探索行为呢？
面对探索的未知性，我们通过系统的介入将抽象的好奇心转化为确定性的、可执行的路径，在风险与能力之间建立平衡。
基于这种意图，我们构建了一个细分框架来承载探索活动。该框架包含：探索者、基础资源、工具。
我们将基础资源与工具这两大核心要素带入旅程这一典型的探索场景，去透视不变的人心。
Resfeber(瑞典语词汇)：
形容旅程开始前那种兴奋、期待和焦虑交织的复杂情绪。
关注出票状态、准备签证、银行卡、证照等，繁杂但又重要。渐渐地，焦虑与倦怠取代了最初的兴奋。这种对于资源确认的焦虑，正是阻碍探索的第一道门槛。
对此，数字产品已普遍采取集中式的资源中枢策略。以 Apple Wallet 为例，从 Passbook 演变至今，实现将卡券、证件、银行卡及旅行 ETA 等所有涉及许可与价值的资源尽数聚合。
Apple Wallet 对外传递的 Slogan
而这种底层逻辑，是帮助用户构建全局的资源视图。通过基础资源完备的确定性，满足用户对基础资源轻松掌控这一不变的需求。而这种确定性，正是迈出探索的底气。
环境混沌嘈杂。工具作为可信中介，将复杂信息抽象、简化，转化为能够轻松理解的信息，以消除未知，将不确定性转化为确定性。据此，我们可以更好地决策或采取行动。
如温度计，将我们对于气温的模糊体感凝练为了直观数字，辅助决策出行的各项事宜；地图，能理清自身定位与目的地之间路径等。
通过工具构建可信的连接
两位游客听信 AI 的旅行建议，满心期待地奔赴秘鲁安第斯山中「圣胡曼塔伊峡谷」，花了 160 美元车费，长途跋涉，来到了偏远山区地带，然后发现—-这个峡谷并不存在。
——来源：BBC 的一则报道
AI 旅行规划平台：圆周旅行
据早前统计 24% 的旅行者已在尝试借助智能工具规划探索，这使得探索场景下的信息与服务的获取门槛被大幅拉低。然而，如 BBC 所报，AI 的“胡说八道”却让本该为可信中介的工具成为了探索中最大的障碍。
技术推动着工具升级，但探索时所面对的外部环境始终复杂流动。而 AI 进一步加剧了信息爆炸与污染，让探索者面临着更高的风险。这引发了新的思考：探索场景下的工具应该如何建构，才能帮助探索者应对重重复杂性？
提供系统级实时精准服务，建立与外部环境的实时连接。如天气、地图、钱包等典型的探索场景工具，构建起聚焦的、持续更新的，以内容数据至上的窗口，让用户得以窥见并理解外部的动态数据流，指引当下的行动与后续的决策。HCI 时代，依托基础定位与网络能力，现行工具已初步实现了这种连接。而进入 HAI 时代，随着多模态感知能力的增强、世界模型的建立等，工具将更精准、更实时地感知并连接探索者当下的动态环境。这种演进回应了用户在探索场景下不变的需求——与环境建立可信连接。
Apple 部分探索场景工具
回看 Apple 之前的设计演变，即便 iOS 整体趋向扁平，天气、钱包与地图等工具却反其道而行，愈发趋近真实的物理世界。基于真实的动态数据，天气工具模拟雨滴、雷鸣和云层的流动等，直观地传递“探索旅程受阻”的信号。这种数据驱动的真实感无限地缩短用户与环境信息间的距离，同样也为了帮助用户与环境建立可信连接。
通过工具帮助专注探索
在探索活动中，用户时刻处于流动的、甚至高负荷的情境中（如行走、驾驶等）。无论是过地铁闸机时的“哔”声即过，还是锁屏上静候的航班信息，亦或是走错路时导航的即时重绘与提醒，探索工具将复杂的业务逻辑转化为近乎本能的自然动作，或是基于意图的主动服务。这便是由情境驱动的主动服务。
而当 AI 注入其中，工具将具备更敏锐的感官与意图捕捉能力。它能在系统层面根据情境更主动地服务用户与规避风险。只有工具不成为注意力的掠夺者，才能满足探索者专注探索本身这一不变的需求。
工具契合多样化探索模式
旅行之中，既有明确的打卡，也有无目的的闲逛探索。数字世界的探索亦然。这正是对应由好奇心驱动的两类天然行为模式——审视性探索与多元性探索。
构建工具服务的最后一环，便是思考如何承载这种多样性。浏览器、地图等服务的搜索框或 AI 超级入口，提供了精准搜寻路径，满足了前者；同时，基于内容间关联的自由跳转，则允许用户在信息间自由穿梭，满足了后者。本质上，这种以内容对象为中心的“内容驱动的信息架构”，正是对人们多样化探索这一不变的本能行为模式的回应。
我们既乐此不疲地在复杂世界中去探索普世的规律，同时，又人为地设定大量的边界或指导，让我们在框架内去开展探索。这背后便是最后一块隐形的特殊要素拼图——规则。
规则作为正式或非正式的指导与边界，塑造并约束着探索活动。它引导我们能更有效地构建意义或目标，并帮助我们规避风险——无论物理世界探索伴随的有形风险，还是数字世界的信息性或心理性风险。
《南极条约》划定的禁令，或“16 岁及以下无法访问社交媒体”的数字限制等规则，在探索开启前便直白地告知边界，限制或引导探索模式。
澳洲社交媒体 16 周岁限制
更多的规则往往被内化于工具之中，融入探索过程，自然地传递给用户。例如导航工具将限行政策（单双号禁行等）通过算法消化，自动生成可合规前行的探索路线。
基于车牌自动规避限行路段
而随着 AI 智能体作为工具逐步取代传统浏览器成为探索入口，规则的运作方式发生了微妙而深刻的逆转。
一次搜寻资料的典型对话
看似简单的探索行为，我们却不得不预先撰写详尽的指令，为 AI 制定需要遵守的规则。这个过程中，用户的身份逐渐从规则的遵守者，转变为了制定者。这使得原本应专注于探索本身的精力，被悄然转移到对工具交互过程的“管理”之上。
针对这一现状，未来的 HAI 设计还应致力于让工具真正理解并内化用户所制定的规则，精准响应其背后真实的探索意图与目标。让规则再次隐形，让用户能够回归到更纯粹、更专注的探索本身。
至此，我们便集齐了所有核心要素拼图，并解构透视了探索场景下的人们行为背后的本质需求——对资源的轻松掌控、与环境的可信连接、专注多样化探索本身。
最后，让我们回到原点的命题：在探索场景下，我们构建的服务究竟要为用户交付何种核心心智？
聚合的资源中枢、可信的工具与主动的服务、规则的自然传递乃至规则制定角色的再转变等，这一切策略最终的汇聚点，就是：从容。
这便是探索场景下，我们试图建立的核心心智。帮助探索者在面对未知多一分从容，能更加从容地与这个世界对话、互动。
个体的轨迹难以预判，我们也无法精准捕捉流动世界的每一个走向，但我们可以锚定那些深植人性、不会轻易变迁的底层需求。「深度理解」仅是 HAI 交互设计法的起点，它探究了「变与不变」中的那个”不变”。技术向前，人机交互的形态也正在经历改变。当 AI 赋予了机器更为强大的能力，我们应该如何顺应这种变化，并将这份「深度理解」转化为更契合用户本质需求的交互体验？
下一篇，我们从心智到形态，开启 HAI 交互设计法第二个核心篇章「自然交流设计」的首文——《多模态交互》。
参考文献
本文由 @HAI Design 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。