Research Vision — приглашение к дискуссии о следующем поколении человеко-машинного взаимодействия

Уверен в том, что Вас когда-нибудь раздражало, что ИИ объясняет "слишком подробно", когда нужен один ёмкий абзац?
Или наоборот: вы ждёте системного обзора, а получаете банальный сниппет кода. Эти ситуации знакомы каждому, кто работает с ИИ. Но проблема не в контенте — проблема в несовпадении мышления (как минимум).

Важное предисловие

Это не готовое исследование, а research vision. У нас есть концепция, но нет окончательных решений. Мы делимся идеей на ранней стадии, чтобы собрать опыт сообщества до начала полноценной разработки.

Сдвиг парадигмы: от персонализации что к персонализации как.
Не только какой контент выдаёт ИИ, но и в каком формате, совпадает ли он с вашим способом мыслить.

Проблема: пределы текущей персонализации

Современные ИИ-системы достигли потолка в персонализации контента, но игнорируют процесс мышления.

Что мы видим в окне (интерфейсе) сегодня:

• ChatGPT пишет развёрнутый трактат, когда нужна краткая инструкция

• Рекомендательные системы подсовывают релевантный материал, но в неудобном виде

• Пользователь тратит до 40% времени на переформулировки запросов

• Система находит правильный код, но не тот уровень абстракции

Гипотеза: адаптация к стилям мышления

Узкое место — не в данных, а в когнитивном несовпадении между пользователем и машиной (пусть будет гипотеза, моё личное мнение более радикально).

Такое несовпадение можно рассматривать через призму различных моделей когнитивных стилей. Вот некоторые известные модели, описывающие когнитивные стили.
*Указываю ниже Myers–Briggs Type Indicator и другие модели не из согласия с ними, а из их широкой известности. См. ссылки в Сноски:

• MBTI (Myers–Briggs Type Indicator) — типология личности, разработанная К. Бриггс и И. Майерс на основе идей К. Г. Юнга, описывающая предпочтения в восприятии информации и принятии решений¹.

• Kolb’s Experiential Learning Theory — модель Д. Колба, выделяющая четыре стиля обучения (конкретный опыт, рефлексивное наблюдение, абстрактная концептуализация, активное экспериментирование)².

• Herrmann Brain Dominance Instrument (HBDI) — инструмент Неда Херрмана, описывающий доминирование различных квадрантов мышления (аналитическое, последовательное, межличностное, образное)³.

Именно несовпадение между этими человеческими стилями и машинной логикой обработки данных может создавать «узкие места» взаимодействия.

Аналогия: хороший преподаватель объясняет одно и то же разными способами разным студентам.

Концептуальная модель: таксономия из 3 стилей

На основе упрощения известных таксономий когнитивных стилей (MBTI, Kolb, Herrmann Brain Dominance¹) мы выделяем три базовых паттерна:

Мини-кейс: три взгляда на один вопрос

Представьте инженера, который спрашивает у ИИ:
"Как ИИ повлияет на архитектуру программных систем?"

• Аналитический стиль: система, оценивая паттерны запросов и поведения пользователя, предлагает граф зависимостей — влияние на модули, связи между ними, потенциальные риски в экосистеме.

• Практический стиль: вероятностная оценка указывает на чек-лист по миграции — конкретные шаги, как внедрить LLM в пайплайн.

• Исследовательский стиль: система предоставляет матрицу сценариев — варианты развития событий, включая непредвиденные последствия и открытые вопросы.

Сегодня ИИ чаще всего выдаёт один общий ответ. Адаптивный интерфейс стремится подбирать формат, который с наибольшей вероятностью окажется полезным конкретному стилю мышления пользователя, исходя из паттернов его запросов, истории взаимодействия и контекста.

Технические вызовы: честно о трудностях

Вызов 1. Детекция стилей в реальном времени

Как отличить аналитический стиль от исследовательского по короткому запросу?
Маркер языка? История взаимодействия? Или комбинация лингвистики и поведенческих паттернов? Но люди могут отличить.

Вызов 2. Динамичность мышления

Стиль может меняться в течение одной сессии. Как балансировать между консистентностью и гибкостью? Как строится баланс?

Вызов 3. Этика адаптации

Где граница между "помочь мыслить" и "навязать мышление"?
Как не превратить интерфейс в когнитивную клетку?
Или людей всех уже посчитали, и алгоритмы идеальны (шучу)?

Вызов 4. Метрики эффективности

Что измерять? Время до решения? Количество итераций? NASA-TLX?
В ITS есть student modeling, но для HCI нужны новые подходы.

Приглашение к дискуссии

Мы отказываемся от псевдокода и "обещаний на слайдах". Вместо этого задаём вопросы:

1. Сталкивались ли вы с когнитивным несовпадением в работе с ИИ?

2. Насколько релевантна предложенная классификация?

3. Какие вызовы важнее всего решать первыми?

4. Где адаптивные интерфейсы дали бы максимальный эффект (образование, аналитика, креатив)?

5. Не грозит ли адаптация "комфортным застоем"?

Почему важно именно сейчас?

• Публичная приоритизация — проверить, нужен ли этот шаг ИИ-сообществу

• Сбор инсайтов — указание на слепые зоны

• Поиск коллабораторов — открытые исходники возможны

• Валидация направления — прежде чем вложить годы

Финальный акцент

ИИ сегодня умён, но часто не понимает нас и непонятно, как он развивает наше мышление. Если мы не займёмся адаптацией к когнитивным процессам, он останется инструментом «для всех», а не собеседником и компаньоном для каждого.

Эта работа — часть проекта DHAIE — открытой инициативы по созданию нового поколения человеко-машинных интерфейсов.

Комментарии, критика, скепсис и опыт — приветствуются.

Виктор Савицкий — бизнес-тренер, инженерный психолог, тренер НЛП. Работаю над адаптивными ИИ-интерфейсами в рамках проекта Neurostiv Framework v1.1 — пока это исследовательская версия, но уже с практическими наработками.

Профиль на Хабр Карьера
Сайт DesignHumanAI.com - DHAIE

Сноски

1. Myers, I. B., & Briggs, K. C. (1998). MBTI Manual: A Guide to the Development and Use of the Myers-Briggs Type Indicator. Consulting Psychologists Press. ↩

2. Kolb, D. A. (1984). Experiential Learning: Experience as the Source of Learning and Development. Prentice Hall. ↩

3. Herrmann, N. (1996). The Whole Brain Business Book. McGraw-Hill. ↩