本文转自：中国科学报

方子逸

图片来源：pixabay

一个国际研究团队开发出了迄今最精确的人类阅读模型。它借助一种应用于机器人领域的人工智能（AI）技术解释并复现了人们阅读文本时所做的选择，可以为更智能的增强现实（AR）显示提供动力，还能根据不同读者与日常情况定制复杂的文本。相关研究8月10日发表于《自然-人类行为》。

“我们首次运用AI理解人类的阅读行为，而不仅仅是模仿。”芬兰阿尔托大学的Antti Oulasvirta表示，早期模型通过学习将文本片段与眼动追踪结果配对的数据集来模仿人类行为，但它们无法真正理解文本的内容，并且在跨语言或跨情景的泛化能力上表现不佳。相比之下，新模型追踪读者用来调控注意力的心理机制，揭示了视线在单词、句子和段落间移动时，是如何逐步构建对文本的理解的。

Oulasvirta认为，探明人类记忆如何服务于阅读过程，是解锁各类可定制应用、服务与产品潜力的关键。“我们无时无刻不在阅读，但纵观文字发展的历史，我们读到的文本都是面向大众创作的，并非针对个人与特定场景。如今，我们有能力改变这一现状。”

新模型以“资源理性”为核心，即在阅读过程中，人们会不断选取下一个视线落点，以求在有限时间内最大限度地提升理解力。视线分配的决策分为单词、句子、全文3个层级，并受到读者的语言能力、记忆容量、视力水平与眼动速度等多种因素的影响。举例来说，一个记忆力好的快速阅读者可以顺畅地从一个段落跳转到下一个段落，而记忆力差的人则更有可能循环阅读。

研究人员指出，阅读看似毫不费力，但大脑其实一直在决定看哪里、跳过哪些内容、何时回头看，就像分配预算一样处理注意力，以实现理解效果的最大化。

研究人员将读者的各项特征设为可调节参数，让模型自主学习调控注意力的最优策略。“我们将模型置于一个包含数百万份文本的环境中，再借助AI的强化学习训练它优化眼动模式，从而真正理解所读的内容。”Oulasvirta解释道。

在阅读过程中，模型会生成一份文本内容的摘要。当缺少关键词语或从句时，它会引导视线去获取相关信息。通过询问模型在给定时间和限制条件下从文本中保留了哪些内容，可以测试它的理解能力。

研究人员将模型的注意力分配决策与真实的人类眼动追踪数据进行了对比，发现模型的决策与读者的行为高度吻合。他们成功构建了一个“普通读者”的基准模型，且可根据不同的读者画像进行调整。

这项研究为开发新的阅读辅助工具与个性化文本设计铺平了道路。例如，它可赋能智能眼镜，根据场景与用户需求调整屏幕文本的显示速度与排版布局，也可为用户定制文本内容。

“我们可以把晦涩难懂的原始文本处理成不同的版本，以适合不同水平的读者，使其更好地理解文本内容。”Oulasvirta表示。

研究团队计划评估该模型如何为患有阅读障碍和语言能力较弱的人提供帮助。“我们希望在实时场景中为用户提供帮助，比如设计出既能辅助驾驶员阅读又不会分散其注意力的文本。”Oulasvirta称，“如今我们对阅读这一与生活息息相关的行为有了全新的认知，接下来就是探索它的应用性。”（方子逸）

相关论文信息：

https://doi.org/10.1038/s41562-026-02534-0