构建以人工智能为辅助的设计未来：动态定位，建设性谈判与可持续动力
内容提要
该文汇集多篇AI研究，核心是“语言基础”：将语言与真实世界感知、动作绑定以理解自然语言。研究涵盖感知-动作循环的体现代理、众包指令数据集、教育对话代理、生成式AI设计原则、人机信任实验及AI驱动自动科学发现，旨在推动类人语言能力与负责任设计。
延伸解读
语言基础：连接语言与真实世界
文章强调语言基础是理解自然语言的关键，即把语言符号与真实世界的感知和动作绑定。这涉及感知-动作循环的体现代理、众包指令数据集等研究。通过这种绑定，AI能更接近人类语言能力，但需注意信任因素，如人机清洁组实验所示。
AI设计：平衡创新与责任
在AI产品设计中，设计师需在技术可能性和人类互动关切间取得平衡。文章提到通过隐喻和演绎等练习，使隐私、同意、自治等议题更具体，帮助学生负责任地设计。生成式AI设计原则也强调多结果和潜在危害，需谨慎应用。
教育应用：对话代理与计算思维
对话代理和生成式AI可提供个性化指导，促进计算思维和编程学习。但现有聊天机器人多面向专业开发者，教育需求考虑不足。与教育者合作设计至关重要，以调整指导方法并关注学生背景、技能和偏好。
自动科学发现：AI驱动的新范式
AI驱动的自动闭环科学发现，包括自我驱动的假设生成和无限自主探索，有望缓解复制危机、系统化数据生产，并民主化科学过程。这比自动化现有工作流程更具开创性，能释放AI在搜索世界基本结构方面的潜力。
Q&A
什么是“语言基础”挑战？
“语言基础”挑战是指通过将语言绑定到真实世界的参照物中来完全理解自然语言。该研究旨在推动类人语言能力的发展。
人工智能如何帮助理解自然语言指令？
通过增强和无监督学习，训练具备最少先验知识的机器人在仿真3D环境中理解自然语言指令，将语言符号与周围物理环境的感知表示和相关的行动序列联系起来，实现语言含义的压缩和提取。
生成式人工智能的设计原则有哪些？
基于HCI和AI社区的研究，提出了七个面向多个结果和潜在危害的生成式人工智能设计原则。
AI如何辅助计算思维和编程教育？
通过对话代理和生成式人工智能（genAI）的应用，可以提供个性化指导、互动学习体验和代码生成来促进学习过程。与教育者合作设计教育工具至关重要，以关注教育背景、技能和学习偏好。
AI在科学发现中有哪些应用？
AI驱动的自动闭环科学发现方法，包括自我驱动的假设生成和假设空间的无限自主探索。将自动化纳入科学实践可以缓解当前问题，如发现的复制、数据的系统化生产以及科学过程民主化。
人机信任在语言基础中如何体现？
研究提出并实证了与语言基础相关的六个假设的信任因素，实验是在人机清洁组中进行的，并探讨了信任语言基础的未来研究方向。
