让机器理解人。
物理智能让机器感知世界、在世界中行动。我们构建社会智能，让机器理解人的感受与意图，记住一个人的偏好与经历，理解人与人之间的关系，并预测互动将如何发展。
Social Intelligence Model
技术路线
把交互看清楚。
从连续的多模态信号中，还原谁在表达、如何表达，以及互动怎样发生。
- 输入
- 视频、语音、文本，以及交互发生的时间与环境。
- 如何处理
- 对齐说话内容、语调、表情、视线与身体动作；区分参与者，识别轮次、回应和事件的先后关系。
- 输出
- 带有时间、来源与置信度的行为和互动信号，供模型持续更新。
在时间中，
持续理解一个人。
把当前信号与记忆、关系和情境连接起来，形成对这个人的持续理解。
- 输入
- 当前信号、偏好、互动历史、关系与情境。
- 如何处理
- 通过长期记忆连接过去经历与当前信号。随新证据更新 Human Model，并保留不确定性。
- 输出
- 对这个人的感受、意图、偏好与关系的情境化理解。
行动之前，
先看可能发生什么。
改变一个条件，比较同一个人、同一群体在不同情境下的反应与演化。
- 输入
- Human Model、当前情境与候选回应。
- 如何处理
- 比较下一步可能的回应，并探索不同选择下互动可能如何发展。
- 输出
- 可能的反应与互动结果，以及相应的不确定性。
把理解带回
真实的交互。
选择如何回应、何时参与，并从实际发生的结果中学习。
- 输入
- 预测反应、互动目标与现实约束。
- 如何处理
- 选择说什么、何时回应、何时等待，以及如何调整互动。将对方的真实反应与预测对照。
- 输出
- 适合这个人与当前情境的回应，以及进入感知与长期记忆的新反馈。
应用场景
机器人与物理智能
销售与客户沟通
学习与培训
研究与访谈
会议与协作
