中日合作交流樱花系统

清华大学工业工程系团队共8人（1名老师、1名博士后、6名学生）于2024年1月8日至1月19日通过2023年中日科技交流计划（樱花计划）赴日交流。本报告旨在总结清华大学工业工程系团队与中央大学理工学部加藤教授团队在交流中的重要活动与成果。通过此次交流，双方不仅加深了研究领域的合作，也增进了中日文化的相互理解与尊重。本报告将从实验室参观、共同研究及合作计划和文化体验三个方面进行简要阐述。 一、实验室参观 除了加藤教授团队的研究室外，我方还受邀参观了其他三个中央大学的实验室： 1. 汽车声音实验室：在汽车声音实验室的参观中，中方团队深入了解了声学技术在降低汽车运行噪音、提升驾驶体验方面的应用。实验室内配备了先进的声音测量和分析设备，如回声消除室和高灵敏度麦克风阵列。实验室的主要研究方向包括车内环境音、噪声控制策略，以及声学模拟技术。中方学者与日方专家就汽车声学设计的最新趋势进行了深入交流。 2. 脑科学研究实验室：脑科学研究实验室展示了中央大学在脑科学和神经工程领域的研究进展。实验室内设施包括功能性磁共振成像（fMRI）设备、脑电图（EEG）设备等。中方团队参与了一系列关于脑信号和神经行为分析的演示，进一步了解了脑科学研究的最新应用。此外，双方就神经科学的未来趋势、跨学科研究方法等话题进行了探讨。 3. 机器人实验室：机器人实验室的参观重点在于人工智能和机器学习在机器人技术中的应用。实验室展示了多款自主机器人，其中包括陪伴机器人、工业辅助机器人和智能轮椅。介绍内容包括设计理念、运动控制系统以及人机交互界面。此外，对方实验室的研究人员还介绍了他们在计算机视觉系统、智能感知、传感器定位及相应算法方面的最新研究成果。 二、共同研究及合作计划 日方团队共开展了四项实验室研究，分别涵盖运动与社交、包装设计、礼仪行为、机器人交互等不同的主题： 1）运动与社交：通过使用手环和即时通讯软件，收集了来自不同年龄和体能水平志愿者的运动数据和社交互动信息。这项研究特别关注运动人格如何影响个人在社交环境中的行为，例如运动分享和点赞意愿。通过综合分析这些数据，研究旨在揭示社交动态如何激励或抑制个人的运动习惯。 2）包装设计：实验采用眼动设备和近红外fNIRS设备来探索文化及个体差异对包装设计及信息元素多少的影响。邀请了来自不同文化背景的参与者，使用眼动追踪和近红外fNIRS技术来深入了解他们如何处理包装上的视觉和信息元素。这项研究不仅关注参与者对包装设计的视觉注意力分配，还探究了大脑活动模式，以理解文化和个体差异如何影响他们对包装设计的认知和情感反应。 3）礼仪行为：实验采用了近红外fNIRS设备来探索个体在面对不同程度的礼仪行为时的偏好和反应。旨在揭示在不同的文化中，人们如何在大脑层面处理和反应于不同程度的礼仪行为，从而提供关于社交互动中礼仪的重要性和影响的深入见解。 4）机器人交互：实验采用了脑电设备对人机交互过程中的权责分配进行了研究，重点探索了框架效应、奖惩力度及积极人可靠性对过程的影响。通过脑电活动，这项研究探究了这些因素如何影响人们在与机器人互动时的决策和情感反应。该实验日方参考了我方的过往关于机器人能力、任务复杂性和风险对人机交互决策影响的研究（Huang et al., 2021）。 我方团队共进行了一个实验、三个调研。实验聚焦于跨文化多语言决策，探索文化差异对AI交互过程的影响。三个调研的主题分别为大语言模型的误用、文化商以及AI素养用。 5）跨文化多语言决策：实验基于在国内对中国学生的测试，在中央大学收集了一系列日本同学的数据，来探索不同文化环境中的人是否会拥有不同的决策模式 6）大语言模型误用：我方基于大型语言模型（LLM）的聊天机器人进行研究，该模型旨在使用人工智能技术模拟自然语言对话。LLM使用在大量文本数据上训练的智能算法来理解人类语言的结构和上下文，并产生有意义和有价值的反应。基于LLM的此类聊天机器人的例子包括ChatGPT、BERT、Bard等，允许用户参与对话并接收相应的答案。由于其黑箱属性，探索其用户对其的误用行为及态度显得格外重要。 7）文化商：文化商（Cultural Intelligence，CQ）被定义为个人在文化多样性环境中有效运作和管理的能力。应用我们员将CQ概念化为包括元认知、认知、动机和行为维度，与文化多样性环境中的功能具有特定相关性。相关问卷已在国内收集了超过1000份。当前正与日方合作收集日方的相应数据，以期推动后续的研究和发表。 8）AI素养：基于文献综述对相关概念的梳理，并参考数字素养的相关概念模型，人工智能素养可以定义为：能够在实际应用过程中意识并理解人工智能技术，能够熟练使用人工智能应用和产品来完成任务，能够分析、选择和批判性地评估人工智能提供的数据和信息，并且树立一定的责任意识并尊重对等的权利和义务的一种能力。根据该定义，可以将人工智能素养拆分为四个子维度，分别是意识（awareness）、使用（usage）、评估（evaluation）和伦理（ethics）。量表从这四个维度出发，每个维度包含三个题项，共12个题项。量表对应的相关文章已在Behaviour & Information Technology发表（Wang et al., 2023）。 双方在交流结束时达成了未来合作的共识，尤其在跨文化研究和认知神经科学领域。计划包括定期举办联合学术分享，合作完成相关研究，以及学生和研究人员的交流计划。在跨文化研究方面，我方会继续推进相关的问卷收集，并在数量足够时将相应结果发表在国际期刊/会议上。在认知神经领域，日方的实验采用我方过去的研究范式（Huang et al., 2021），探索人工智能交互过程中认知神经科学主题。除了上文提到的内容，我方过往的相关研究还包括（a）合作和竞争对人机交互成功和失败后责任归因的影响(Lei & Rau, 2023a)，（b）机器人相对地位对责任归因的影响(Lei & Rau, 2021a)，（c）机器人功劳归因对用户信任的影响（Lei & Rau, 2021b），及（d）通过脑电探索合作与竞争（与机器人）对用户评价的影响（Lei & Rau, 2023b）。双方将就这些主题深入交换意见以推进人机交互相关研究的共同进步。 三、文化体验 日方安排的文化体验活动旨在向中方团队展示日本的传统与现代文化。在浅草的参观中，团队体验了传统的日本庙宇，感受了日本的历史文化。秋叶原的游览则展示了日本现代流行文化和电子产品的发展。此外，中方团队还有机会品尝到了正宗的日本寿司和抹茶，深刻体验了日本饮食文化的精髓。通过这些文化活动，中方团队不仅获得了愉悦的感官体验，也对日本的社会、历史和文化有了更加深刻的理解。 通过此次中日科技交流计划，我方与中央大学理工学部加藤研究室在研究和文化层面建立了深厚的友谊与合作关系。此次交流不仅促进了科学知识的共享，也加深了对彼此文化的理解和尊重，为未来的合作奠定了坚实的基础。我们期待双方在未来能够共同推动更多有意义的科研项目，为中日科技交流做出更大贡献。   参考文献： Huang, H., Rau, P.-L. P., & Ma, L. (2021). Will you listen to a robot? Effects of robot ability, task complexity, and risk on human decision-making. Advanced Robotics, 35(19), 1156–1166. https://doi.org/10.1080/01691864.2021.1974940 Lei, X., & Rau, P.-L. P. (2021a). Effect of relative status on responsibility attributions in human–robot collaboration: Mediating role of sense of responsibility and moderating role of power distance orientation. Computers in Human Behavior, 122, 106820. https://doi.org/10.1016/j.chb.2021.106820 Lei, X., & Rau, P.-L. P. (2021b). Should I Blame the Human or the Robot? Attribution Within a Human–Robot Group. International Journal of Social Robotics, 13(2), 363–377. https://doi.org/10.1007/s12369-020-00645-w Lei, X., & Rau, P.-L. P. (2023a). Effects of task structure and attribution target on responsibility attributions in human–robot interaction. International Journal of Human-Computer Studies, 176, 103038. https://doi.org/10.1016/j.ijhcs.2023.103038 Lei, X., & Rau, P.-L. P. (2023b). Emotional responses to performance feedback in an educational game during cooperation and competition with a robot: Evidence from fNIRS. Computers in Human Behavior, 138, 107496. https://doi.org/10.1016/j.chb.2022.107496 Wang, B., Rau, P.-L. P., & Yuan, T. (2023). Measuring user competence in using artificial intelligence: Validity and reliability of artificial intelligence literacy scale. Behaviour & Information Technology, 42(9), 1324–1337. https://doi.org/10.1080/0144929X.2022.2072768