聚焦人智协同计算，从人智协同行为分析与建模、可信人智协同系统构建、人智协同计算环境设计、人机计算系统发展、人机合作决策优化等五个前沿方向进行多维度、深层次探讨，推动其向更加智能、安全可靠、可信可控的方向发展，为该领域的理论创新与技术突破提供深刻洞察，从而实现大规模AI时代的人智和谐共生。

结合讲者自己的研究工作实践，介绍了以人为中心的协同计算的概念，即分布式协同计算、社会化协同计算和群智协同计算。此外，他还阐述了相关的研究方法包括定性方法和定量方法。最后，讲者指出，“社会”与“技术”的紧密融合以及定性与定量的深入融合是以人为中心的协同计算未来的发展趋势。

人机计算强调将人的认知能力（知识、经验等）和机的计算能力（存储、运算等）相结合，满足大规模、复杂计算任务处理需求，实现人机共融智能。它包含任务、人类计算单元和机器计算单元三个关键要素，以人机协作模式作为基础，人机深度模型作为算法支撑，通过人机资源分配确保任务高效完成。基于此概念，本文介绍了面向复杂计算任务的人机计算操作系统hmOS，并以代码翻译、智慧医疗作为例子阐述了其在现实中的应用。

随着人智协同计算技术应用范围的扩展，人智协同环境的复杂性也在不断增加，其所涉及的交互数据量呈指数级增长。如何在复杂多变的环境中有效地优化资源配置，满足用户的智能化及个性化需求，成为当前迫切需要解决的技术难题。本文深入探讨了如何高效构建和优化人智协同环境系统的自动化设计方法，梳理了国内外在数据感知、表示、融合、分析以及隐私保护等方面的最新研究成果。在此基础上，介绍了作者团队提出的基于数据驱动的自适应闭环系统优化设计策略，详细解析了“系统-数据-反馈-系统优化”的闭环流程，并对相关研究领域进行全面的洞察分析。

第十一期CCF秀湖会议就“智能时代下人机交互的机遇与挑战”进行了深入交流和研讨，呼吁推进相关标准、规范及学术界-产业界-政府合作。本文发布了人机交互十大科学问题和五类刚需应用场景，旨在明确智能时代人机交互的发展方向。

人工智能技术的快速发展正推动各领域变革。人机交互作为连接人类学科与计算机科学的桥梁，日益重要。本文聚焦AI与人机交互的深度融合，探讨如何更好地理解人类、推动人本智能研究，并应用于实际需求。具体包括：AI时代的交互设计创新、大模型时代的人机协作、交互行为与意图的智能感知、智能人机交互在医疗、教育等领域的应用、AI时代人机交互的角色与未来发展等。

人智协同计算强调人类智能与高水平自主性AI的紧密合作与协同，优势互补，共同应对更加复杂的场景。它具有人智边界模糊、双边决策复杂、交互模态多样、期望目标多元等特征，导致人与AI信任建立难、高效协作难、交互理解难、价值对齐难等突出问题。针对这些问题，从个性化信息传递、隐私信息调控、价值观评估对齐等创新研究工作展开介绍，旨在通过创新的方法和技术手段，构建更加高效、智能和可靠的人智协同计算模式，推动人智协同计算领域的进一步发展。

人智协同推荐系统（Human-AI Collaborative Recommender Systems）通过结合人类智能和人工智能的优势，揭示和解释用户与推荐系统之间的互动和协作模式，以解决推荐过程中的数据稀疏、可解释性差、泛化性弱、隐私泄露等问题，并通过研发和构建能够动态适应用户期望价值目标和增强决策能力的推荐系统，提供高质量推荐和良好推荐体验，确保推荐系统对个体、群体和社会产生积极影响。 在人智协同新范式下，推荐系统由单向的人类被动接受，转变为人类-智能体协同探索。在大模型、AIGC等先进AI技术的加持下，人智协同推荐系统已成为影响真实世界的复杂社会计算系统，深刻影响个体变迁、群体演化和社会秩序，也极易带来和加剧价值观偏移、人群偏见、隐私泄露等社会性问题，如何确保人智协同推荐系统在提供个性化服务的同时，符合社会规则和个体规范，提升公平和包容性已成为学界和业界关注的前沿问题。本视频深入探讨人智协同推荐系统在算法、技术、系统架构、用户体验、伦理、政策和实践等方面的最新进展和实际应用，以期推动人智协同推荐系统的持续发展和广泛应用。