← 返回 PaperDaily
视觉与图像
Apple Research最新论文 | 8人一周实测：用户自建感知AI，系统边界能被改写吗？
Apple 和斯坦福的这项工作不去比模型分数，而是追问一件更根本的事：当用户终于能自己定义"要让 AI 识别什么"，传感系统里那些被写死的本体论边界，真的会被打破吗？8 个人、一周、两个只给界面不给算法的探针，答案比想象中拧巴得多。
龙哥读论文
发布于 2026-10-16 01:12:05
阅读 12
查看原文
原论文信息如下：
当AI系统遇上本体论：为什么用户创作不等于边界突破 在哲学里，本体论（ontology）问的是"存在是什么"。但在这篇论文里，它用的不是这个意思。论文沿用了批判人文学者的用法，并借 Haghighi 等人的总结给出定义：本体论是"我们允许自己去谈论、去思考的东西"
论文的核心主张是：设计是有本体论属性的。设计出来的东西不会中立地服务人类需求，它是一种社会技术产物，主动参与塑造世界——让某些世界变得可能、可想象，同时把另一些世界关在门外。论文里用了一个很直观的例子：女性主义设计研究中，Bardzell 和 Bardzell 分析过一款名为"Hoozier"的橱柜，这个设计进一步把女性和家务劳动绑定在一起。一个柜子而已，但它携带的假设在悄悄塑造"谁该干家务"。
缓解这种"封闭"的一条路径，是把权力交还给用户，让他们自己设计、自己构建系统，也就是所谓的用户创作（user-authored systems）
但论文提出的问题相当尖锐：用户参与创作，是否真的能协商并拓展系统里嵌入的那些假设？在什么条件下能？又有什么限制？这就是本论文的研究问题——设计如何为用户创作系统创造并支持本体论边界协商的条件。
为什么挑个人感知（personal sensing）来研究这件事？
因为个人感知系统本质上就是一台划边界机器
人机交互（HCI，Human-Computer Interaction）和个人感知领域的研究者此前已经做过一些努力，让用户能创作自己的感知系统或算法。但这些系统在评价时，往往只看它是否可用、是否可学、是否有用。而"用户创作的系统是否能促成、以及如何促成本体论边界的协商"，这个问题一直空着。这篇论文要填的就是这个空白。
两个探针的巧思：如何用Wizard of Oz解耦技术限制 论文设计的是开放式探针（open-ended probes）
这里有个容易被搞混的点，论文特意做了澄清：这两个探针不是"思辨设计"，也不是要给现有感知系统提供一套批判性的替代方案。它们刻意做得像个人感知领域现存的、主流的系统。原因很实在——如果探针本身过于新奇、过于挑衅，参与者的注意力就会被工具的怪异之处吸走，而不是聚焦在"现象"和"划边界"这个动作本身上。
那两个探针的区别在哪？在于从哪个信息抽象层次开始创作
先补一个背景概念。个人感知系统干的活，就是在不同层次的信息抽象之间做中介。低层是心率、皮肤电活动、加速度计数据这类生理信号；高层是压力、疲劳、专注这类心智构念。中间那段翻译工作，通常是系统替用户做掉的。
EventMarker：从"我感受到了什么"往数据推
EventMarker 从高层体验出发。参与者标记自己关心的状态或事件——比如每次感到疲惫就打个标记——系统再去他们记录的生理数据里，找与这些标记相关联的模式，比如步数、睡眠质量、日历信息。这套思路和 Dey 等人的 CAPpella 系统一脉相承。
PatternFinder：从"我看不懂这段波形"往体验推
PatternFinder 从低层信号出发。参与者浏览自己的生理数据——心率（HR，Heart Rate）、活动能量、以及两者叠加的曲线——选中那些让他们觉得有趣或者困惑的模式，系统再去学着实时检测这些模式。比如有人会为"心率升高但活动量很低"的时刻建一个类别。这套思路和 Hartmann 等人的 Exemplar 系统相似。
两者放在一起看，差别就出来了：一个从"我知道自己感受到了什么"开始，往数据方向推；一个从"数据里有个我看不懂的波形"开始，往体验方向推。论文想考察的，正是起点不同会不会让不同的边界浮出水面。
Wizard of Oz：让用户以为自己在训练模型
接下来讲论文里最有意思的一个手法：Wizard of Oz（奥兹国巫师法）
论文用它来解耦两件事：参与者的创作体验，和当下的技术约束。为什么必须解耦？因为在研究进行的时候，端侧实时训练一个不限定领域的个性化模型还做不到；可如果为了技术可行而把领域限定死（比如只允许检测"步行"），那边界协商的可能性也就一并被限死了。
具体做法是：告诉参与者，研究期间收集的数据会在研究结束后用来训练模型，而不是实时、在设备上训练；同时界面提供一个近似端侧训练体验的进度轮（progress wheel）
进度轮的设计很讲究。论文明确说它是刻意模糊的，目的是引发反思——让参与者自己去想"进度"到底意味着什么，而不是把参与者锚定到某个特定解释上。每个被保存的事件或模式会被随机赋予 -5、0、+5 或 +10 的值（百分制），用来模仿端侧训练模型的行为。在两位参与者的预实验中，负值过多会让人沮丧和困惑，因此正式研究提高了正值分配的概率；同时初始阶段的百分比计数被去掉，改成数值达到 30% 阈值之后才显示百分比。
类别创建界面则始终保持灵活和可修改：参与者可以在研究期间的任何时刻创建、编辑、删除类别。每个类别带四个参数——类别名（比如"疲劳-跑步"）、说明（比如"在我跑步时感到疲惫的时候"）、指引（给自己记的备忘，比如"只标记最后那段撑不住之前的发力"）、颜色（会反映到归入该类别的所有数据上）。
实现层面，两个应用都是原生 iOS 应用，用 Swift 和 SwiftUI 开发，集成 Apple HealthKit 收集参与者 Apple Watch 和 iPhone 上的生理数据，可视化用 SwiftCharts 完成。所有健康和使用数据都本地存储在手机上，在离职会话时通过 AirDrop 传到一台安全的研究笔记本上。
四个边界协商现场：现象、主体、信号与客观性 先交代研究设置。8 名参与者，一周时间，每人只用两个探针中的一个。
为什么不是两个都用？论文给了两个理由：第一，这个设置能考察信息抽象层次如何塑造人们注意或质疑哪些边界；第二，同时用两个系统有风险，会把参与者的注意力转向"比较这两个工具"，而不是"参与现象、参与划边界这个动作本身"。
参与者的招募方式是从一家大型科技公司随机抽取的 600 人池子里筛选。筛选标准包括：18 岁以上、有基本数据素养（能读懂并解释健康应用里的图表）、每天佩戴智能手表；目标是在性别认同、年龄、个人感知工具使用经验上尽量均衡。最终入选 8 人（3 女 5 男），平均年龄 38 岁（范围 28 到 47 岁），专业背景多样：HCI 研究 1 人、工程 4 人、设计 1 人、IT 1 人、项目管理 1 人；追踪技术的使用频率上，每天用的 6 人、每周 1 人、每月 1 人。完成研究后获得 40 美元礼品卡。
论文自己承认了一处局限：本意是在教育程度上也保持均衡，但最终参与者里最低学历是本科，且有 6 人完成过研究生教育。样本的学历偏高，这是一道天然的限制。
两组的指令也不一样。EventMarker 组被要求想一想希望发现模式或想更好理解的状态或动作，每次发生时就在应用里打一个标记，并被鼓励把范围想得更宽："可以是任何你想要的领域。可以是社交关系和你与某些人共处的时间，可以是环境模式比如你路过的地方，可以是你做的事情，比如锻炼或吃饭，可以是身体状态比如疲劳，也可以是想无聊这样的心理状态。"PatternFinder 组的指令是："每天，至少在一天结束时，但你想更频繁也可以，去看你的数据，找出你感兴趣的、想更好理解的模式。"
数据分析先用亲和图（affinity diagramming） 衍射阅读（diffractive reading）
衍射的根扎在女性主义技术科学里，可以追溯到 Minh-Ha 的工作，后来被 Haraway 和 Barad 拓展，在 HCI 里也越来越多地被当作方法使用。论文选它，是因为目标不是找"可推广的使用模式"，而是识别"边界协商的时刻"。为什么需要它？因为研究者自己也可能已经把某些边界自然化了，衍射的作用就是把"差异的模式"带到眼前，从而去自然化那些被当作理所当然的东西——包括对研究者而言。
举一个论文里的例子：如果两个参与者都有过"放弃某个类别"的经历，常规做法是把它归到"类别放弃"下面报告；而衍射分析会把注意力放在两次经历之间的差异、它们发生的语境，以及这种差异可能暴露出什么本来会保持隐藏的东西上。论文还强调，衍射阅读把研究者也当作分析中的主动参与者——研究团队来自产业和学术界，背景涵盖设计、神经科学、机器学习、数据可视化、感知和 HCI，每个人都带着自己的假设和亲身经验进入分析。论文把这里给出的洞见称作"一组可能性"，受这个立场所塑造。
参与者得决定"什么属于一个类别、什么不属于"。P3 用 EventMarker，是个重度追踪用户，他们把这件事当成了一个提意见的机会，反复拿 EventMarker 和自己已有的感知工具做对比，还提了不少界面和体验上的改进建议（比如怎么让体验更"黏"）。他们追踪的类别也带着这份底色：P3 意识到个人感知工具存在一个被错过的机会（自动检测某类抽动），于是手动把它追踪起来，甚至在想象它很快会被做进产品里。可即便自信如 P3，在界定"疲惫"（exhaustion）的边界时也注意到了此前没有察觉的微妙差别——比如心理疲惫和身体疲惫之间的异同。P3 把进度轮看作一次游戏化尝试，但评价是它没"点燃快乐"。
P1 也用 EventMarker。他们判断"全都追踪会太杂乱"，所以选择只追踪那些"错过了也无所谓、但仍然是你想做的事"。研究进行中，P1 有了一个"顿悟"：人应该能够追踪对自己有意义的事件，从而自己决定拿这些数据干什么，哪怕这些数据对开发者或者对别人来说毫无意义。
这就是现象边界被协商的样子：类别不是藏在"数据里"等着被发现的，它是在人的判断里被划出来的。
这一现场针对的是个人感知系统长期携带的那个默认设定：被测量的人是"有界限的个体"，拥有一堆可以被客观测量的属性。论文把这一处命名为"主体作为关系的一部分"，指向的正是那些让这个默认设定松动的时刻——当参与者开始把"被测量的自己"理解为一段关系中的一方，而不是一个独立的读数来源时，原本固定的主体边界就开始晃了。
P1 的经历是个侧面的印证。P1 平时偶尔会和妻子、朋友一起看自己的健康数据，看看健康状况有没有改善。也就是说，他们的"数据"从一开始就不是一个人对着屏幕自省，而是嵌在一段关系里的。当系统允许他们自行决定"什么值得记录"，记录这件事也就顺带把"谁参与了这个判断"暴露了出来。这个现场之所以难被现有系统捕捉，是因为大部分感知工具把数据流设定成单人的、私密的、面向自我优化的——关系那一层被默认抹平了。
P8 用 PatternFinder，一开始很难识别"有趣"的模式，说"很难看出我在找什么"，最初还觉得自己的数据"无聊"。最有意思的是，研究期间 Apple Watch 并没有定期测量和记录心率，于是 P8 把数据中的这些"缺失"本身标记成了一种模式。数据里"没有东西"的地方，被当成了一个现象来处理。
P7 也用 PatternFinder。他们平时只在健身时看数据，另外还有一块专门的健身手表。最初觉得数据里的模式"跟已知的一样"，但到了第 4 天，他们发现了热量消耗升高、心率却没有相应上升的实例，既不知道是什么触发了热量增加，也不知道这在身体里是什么感觉。P7 还追踪了每天和狗走同一条路线的散步，想搞清楚同一次散步在数据里的读数是不是一样。另外，P7 提到自己的心率远低于平均水平，经常被智能手表通知心率"危险地低"。
判断"这算信号还是噪声"，本身就是一次边界协商。数据不会主动告诉你哪个波形有意义——意义是参与者自己赋予的。
这一现场的关键词是"暂时性"。当边界是参与者自己临时划出来的、随时可以改的，数据和算法就不再享有那种"客观权威"的光环。论文在分析方法一节里有一句点得很准的话：衍射阅读揭示了这样一些时刻——参与者必须决定什么属于一个类别、一个模式算"有趣的"信号还是噪声，以及边界的暂时性如何削弱了算法检测通常具有的那种权威
P8 把"心率缺失"标记成模式，其实也是对"数据是客观完整的记录"这一假设的拆解：记录里没有的东西，同样可以当作一个关于身体的陈述来对待。P7 的心率远低于平均、还经常被手表警告"危险地低"，则是另一个角度——同一个读数，在不同的身体、不同的语境里，指向完全不同的东西。在个人的尺度上，"客观数据"这件事从来没有那么客观。
设计能做什么：支持边界协商的起点与政治 论文基于"边界在什么语境下被协商、在什么语境下走向固化"的观察，提出了一些支持边界协商的设计起点，并讨论了"为临时性设计的政治"。
进度轮的刻意模糊。 类别的可修改性。 抽象层次的选择。 不预设领域。 然后是"为临时性设计的政治"这个更沉的问题。如果设计的目标就是让用户持续协商边界，那系统就永远处在"未完成"的状态。这带来一个真实的张力：什么时候算"够好了"？谁来拍板把某个边界固定下来？固定得太早，边界就被自然化了；永远不固定，用户就得不到一个能用的结论。论文的立场是把这个张力本身当作设计要处理的对象，而不是假装它不存在。
从探针到方法：本体论设计的实验路径 论文最后把开放式探针本身，作为一种"本体论设计的方法"来讨论。有三个要点值得拎出来。
第一，探针暴露边界，而不是验证功能。 第二，时间跨度本身是有意义的。 第三，研究者也是分析的一部分。 局限也该说清楚：8 人的样本、一周的时间、来自同一家大科技公司的招募池、学历偏高（最低本科，6 人读过研究生）。论文自己也承认，目标不是产生可推广的发现，而是探索多种潜在的边界协商现场。所以如果换个场景——比如把用户换成老人、青少年，或者换到健康以外的领域——这套结论会不会变形，论文没有能力回答，这也是它留给后来者的作业。
龙迷三问 这篇论文到底在解决什么问题？ Apple与斯坦福团队用两个只给界面不给算法的开放式探针，让8名参与者一周内自定义训练个人感知AI，识别出四个本体论边界协商现场，也暴露了更多自由未必等于边界突破。这篇工作最值得看的点是什么？ 通过一周的探索性研究，识别出四个本体论边界协商场所：现象边界、主体作为关系的一部分、信号与噪声的区分、数据的客观性。参与者在使用探针过程中展现了边界协商的时刻，但也发现更多代理并不自动导致边界协商。这篇工作的边界或风险在哪里？ 优点：采用开放式探针和Wizard of Oz技术，有效解耦了创作体验与技术限制；通过衍射分析方法识别边界协商时刻，方法新颖；对本体论设计的讨论深入，提出了支持边界协商的设计起点。缺点：样本量小（8人），研究周期短（一周），结果难以推广；未实际训练算法，参与者体验与真实系统存在差距；部分参与者对进度轮设计产生负面情绪。如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆
设计两个开放式探针（EventMarker和PatternFinder），采用Wizard of Oz技术解耦创作体验与当前技术限制，让参与者在日常生活中训练个性化机器学习系统，通过一周的探索性研究识别本体论边界协商的四个场所。实验合理度： ★★★☆☆
现有材料未完整覆盖数据划分、基线公平性和统计显著性，因此按中性评价处理。学术研究价值： ★★★★☆
设计两个开放式探针（EventMarker和PatternFinder），采用Wizard of Oz技术解耦创作体验与当前技术限制，让参与者在日常生活中训练个性化机器学习系统，通过一周的探索性研究识。稳定性： ★★★☆☆
现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。适应性以及泛化能力： ★★★☆☆
现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。硬件需求及成本： ★★★☆☆
现有材料缺少完整训练资源、参数量、显存和推理时延信息，成本暂按中性评价。复现难度： ★★★☆☆
现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。产品化成熟度： ★★★☆☆
论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。可能的问题： 协商时刻，方法新颖；对本体论设计的讨论深入，提出了支持边界协商的设计起点。缺点：样本量小（8人），研究周期短（一周），结果难以推广；未实际训练算法，参与者体验与真实系统存在差距；部分参与者对进度轮设计产生负面情绪。
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
还没有公开留言，欢迎留下你的看法。