价值

非语言层：通过表情、语调、手势（如用户皱眉说“还行”可能隐含不满）、环境传感器（如光线、温度）感知情感与情境（如“开灯”在用户揉眼时，价值是“缓解视疲劳”而非单纯照明）；

情感共鸣校准：用情感计算模型识别用户情绪（如焦虑、兴奋），调整价值输出（如向焦虑用户优先提供“确定性高的方案”）。

三、实例：从“交”到“互”的价值理解跃迁

动态迭代：在“试错-反馈”中优化价值理解

人机互是持续过程，机器需通过闭环反馈修正价值模型。

即时反馈：用户对机器输出的评价（如“这个建议没用”“再详细点”）直接调整价值权重（如降低“泛泛而谈”的输出价值）；

机器通过强化学习、贝叶斯网络等工具，实时计算“信息→状态→动作→目标”的价值传导链，例如：医疗AI看到“白细胞升高+发热”，需评估其对“感染诊断”的价值权重，而非仅罗列指标。

即时反馈：用户对机器输出的评价（如“这个建议没用”“再详细点”）直接调整价值权重（如降低“泛泛而谈”的输出价值）；

非语言层：通过表情、语调、手势（如用户皱眉说“还行”可能隐含不满）、环境传感器（如光线、温度）感知情感与情境（如“开灯”在用户揉眼时，价值是“缓解视疲劳”而非单纯照明）；