用于理解人类-人工智能经历跨时代现象学的AI方法论
人机交互
2026-03-11 v1 人工智能
摘要
人类-人工智能经历中不存在'普通'情形。人类-人工智能经历极其复杂且特定于每个人，但诸如可用性量表和参与度指标等主导性测度会抹平细微差别。我们主张采用AI现象学方法论：即在与AI系统交互时，超越'它表现得如何好'的常规问题，追问'它是如何让人感受的'。AI现象学作为人类-人工智能对齐的范式，突出了用户对AI系统在时间维度上的第一人称感知和解释。我们将AI现象学作为一种框架，捕捉对齐是如何在用户与AI系统之间经历、协商和更新的。我们追溯自 Husserl 经过后现象学再到 Actor-网络理论的脉络，并以三个研究为例支撑论点：两个纵向研究涉及名为'Day'的AI伴侣，以及一个关于代理型AI在软件工程中的多方法研究。我们贡献了一套可复制的方法论工具箱，用于进行AI现象学研究：捕捉个人和专业情境中生活经历的仪器、三个设计概念（半透明设计、信任感价值对齐、时间共演追踪），以及一个具体的研究议程。我们不将此工具箱提供为新的范式，而是作为研究者可适应的实用支架，随着AI系统及其生活在其中的人类持续共演。
引用
@article{arxiv.2603.09020,
title = {AI Phenomenology for Understanding Human-AI Experiences Across Eras},
author = {Bhada Yun and Evgenia Taranova and Dana Feng and Renn Su and April Yi Wang},
journal= {arXiv preprint arXiv:2603.09020},
year = {2026}
}
备注
This is an accepted workshop paper at CHI '26, "W37: Human-AI Interaction Alignment: Designing, Evaluating, and Evolving Value-Centered AI For Reciprocal Human-AI Futures", or https://bialign-workshop.github.io/2026/cfp