arXiv cs.AI· Jean-Daniel Fekete, Yifan Hu, Dominik Moritz, Arnab Nandi, Senjuti Basu Roy, Eugene Wu, Nikos Bikakis, George Papastefanatos, Panos K. Chrysanthis, Guoliang Li, Lingyun Yu·· 4 小时前AI 评分20
AI 时代的人机数据交互、探索与可视化系统:挑战与机遇
Human-Data Interaction, Exploration, and Visualization Systems in the AI Era: Challenges and Opportunities
AI 导读
一篇 arXiv 论文探讨 AI 时代人机数据交互与可视化系统面临的挑战与机遇。随着 LLM、VLM 等基础模型引入额外不确定性,大规模异构多模态数据分析在感知错位的延迟、可扩展性约束、现有交互与探索范式局限以及 AI 生成洞察的可靠性与可解释性方面暴露出持续挑战。论文主张超越传统效率与可扩展性指标,重新定义分析流程中人与机器的角色,并将认知、感知与设计原则融入人机数据交互栈的每一层。
正文 · AI 翻译
作者:Jean-Daniel Fekete、Yifan Hu、Dominik Moritz、Arnab Nandi、Senjuti Basu Roy、Eugene Wu、Nikos Bikakis、George Papastefanatos、Panos K. Chrysanthis、Guoliang Li、Lingyun Yu
摘要:AI 的快速发展正在改变以人为中心的系统,并对人机交互、人数据交互和可视分析产生深远影响。在 AI 时代,数据分析日益涉及大规模、异构且多模态的数据,这些数据以非结构化数据为主;同时,LLM 和 VLM 等基础模型为分析过程引入了额外的不确定性。这些变化使人数据交互系统面临持续存在的挑战,包括感知上不一致的延迟、可扩展性约束、现有交互与探索范式的局限,以及 AI 生成洞见的可靠性和可解释性方面日益增长的不确定性。应对这些挑战需要超越传统的效率和可扩展性指标,重新定义分析工作流中人与机器的角色,并将认知、感知和设计原则融入人数据交互栈的每一层。本文研究了近期 AI 进展所带来的挑战,考察了这些发展如何重塑用户与数据交互的方式,同时概述了在 AI 时代构建以人为中心的交互式数据分析 AI 系统的局限性与开放研究方向。
| 学科: | 数据库(cs.DB);人工智能(cs.AI);新兴技术(cs.ET);图形学(cs.GR);人机交互(cs.HC);多媒体(cs.MM) |
| 引用为: | arXiv:2603.05542 [cs.DB] |
| (或本版本使用 arXiv:2603.05542v3 [cs.DB]) | |
| https://doi.org/10.48550/arXiv.2603.05542 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Nikos Bikakis [查看邮箱]
[v1]
2026年3月4日星期三 14:18:17 UTC(66 KB)
[v2]
2026年11月13日星期五 23:24:21 UTC(96 KB)
[v3]
2026年11月17日星期二 12:54:05 UTC(96 KB)
来源:arXiv cs.AI · arxiv.org