报告人：Angelo Cangelosi

工作单位：曼彻斯特大学

报告题目1：理解与建立人类-机器人交互中的信任：机制、模型与应用

报告题目2： 神经网络、语言认知与发展机器人学：连接AI与人类智能

报告时间：2026年4月29日（周三）14:00、2026年4月30日（周四）9:00

报告地点：文理楼290

内容摘要：

报告1将介绍人类-机器人交互中信任理解与建立的跨学科研究，该领域整合人工智能、心理学和社会科学以促进可信人机协作。讲座以信任形成为核心案例，展示这一研究方法。社会心理学研究奠定了理论基础，揭示了透明度与可预测性在信任中的关键作用——这一理论被称为可解释人工智能。这些发现直接指导了机器人交互设计与人机信任的建立。研究采用实验机器人学方法，并通过Nao和Pepper机器人的实验展示成果。这些研究揭示了沟通机制如何影响早期信任评估与长期合作。同一方法使机器人能够通过行为一致性和情感表达来学习社交线索等复杂概念。讲座还将介绍一个研究信任动态及其与协作关系的新型计算模型。该工作同时考察人类对机器人的信任形成，以及机器人用于推断人类信任水平的人工心理理论。结果表明，决策透明且机器人行为可解释能显著增强信任与协作效率。讨论将延伸至该方法对社交机器人和服务机器人的应用前景，同时涉及相关的伦理考量、可信人工智能的道德框架，以及当前大语言模型在理解社交动态中的局限性。

报告2将介绍以神经网络建模、语言认知机制与发展机器人学相结合的跨学科研究，该领域通过探索语言习得的计算本质与具身智能的生成路径来弥合人工智能与人类智能的鸿沟。讲座将以语言演化的神经基础为核心案例，展示如何通过计算建模与机器人实验交叉验证理论假设。认知神经科学的发现提供了关键启示，揭示了预测编码在语言理解与生成中的核心作用，该理论框架进一步推动了对语言层级结构的建模。研究采用深度强化学习与发育机器人学相结合的方法，并通过仿真环境与实体机器人平台（如机器人婴儿与桌面机械臂）进行验证。这些实验阐明了多模态感知整合如何塑造早期语义网络的构建与句法规则的归纳。同一框架使得机器人能够通过主动感知与社交互动来习得概念隐喻与抽象关系。讲座还将引入一个模拟语言进化过程的计算模型，该模型能够再现词汇涌现与文化传递的动态。该工作同时探究人类语言认知的神经机制，以及机器通过神经符号系统实现可解释推理的途径。研究显示，引入结构化归纳偏置和社会学习机制可显著提升机器人语言技能的泛化能力与鲁棒性。讨论将进一步拓展该方法在个性化教育辅助与神经康复机器人中的应用潜力，并触及相关的技术可及性挑战、人本对齐的伦理要求，以及当前深度学习模型在少样本概念学习中存在的根本局限。

个人简介：

Angelo Cangelosi教授现任曼彻斯特大学（英国）机器学习与机器人学教授，并担任曼彻斯特机器人与人工智能中心的联合主任及创始人。他已成功获得欧洲研究理事会高级资助（由英国研究创新署资助）。其主要研究领域涵盖认知与发展机器人学、神经网络、语言具身化、人机交互与信任机制，以及健康与社会护理领域的伴侣机器人。作为项目协调员/首席研究员，他累计牵头获批科研经费超过4000万英镑，其中包括欧盟高级研究基金eTALK、英国研究创新署TAS信任节点与CRADLE繁荣计划、美国空军研究实验室CASPER++项目，以及众多地平线计划和玛丽·居里学者项目。Angelo Cangelosi教授已发表学术论著300余篇，现任《Interaction Studies》与《IET Cognitive Computation and Systems》期刊主编，并于2015年担任《IEEE Transactions on Autonomous Development》主编。他曾主持多项国际学术会议，包括2022年布里斯托尔ICANN会议和2021年北京ICDL会议。其著作《发展机器人学：从婴儿到机器人》（MIT Press）于2015年问世，已被译成中文和日文。与浅田稔合编的《认知机器人学》（MIT Press）于2022年最新出版。

【编辑：高羽翯】