电子计算机自1946年发明至今，已有近80年历史。在这80年的发展历程中，人们又不断发明创造出各类芯片和电子设备，如工业机器、家居设备、嵌入式设备、家用和商用计算机等，形成了丰富的电子机器世界。伴随着机器世界而生的一个关键环节就是人机交互，通过与机器的交互，人们才能实现对机器的操作，并从机器的运行中获取信息、完成任务。

　　由于长期以来机器只是执行指令，完成人类指定动作或任务的设备，因此人机交互的方式往往都需要给出清晰的指令或操作，而这样的交互方式也构成了当今世界最为主要的人机交互模式。我们将其总结为以下三类：

　　第一类，按键式交互。按键式交互中，指令的发送方式简单明确，可靠性极高。人们根据需要，确定性的按下执行指令所需的按键，或是顺序按下多个按键，来向机器传达指令。而相对应的，机器接收到的信号也是明确的，对机器而言这种按键式传达信号是以物理方式传递的，对应在机器内部要执行的电路或是功能也是唯一的。

　　第二类，触摸式交互。触摸式交互在能够实现基础人机信号互通的基础上，带来了更为重要的变革——复杂和多元化的交互空间，其背后所依靠的是机器可以进行动态编程。这一点在手机领域体现的最为明显，当传统的功能嵌入式手机演变为智能手机后，手机端可以运行各类应用程序，而这些应用程序功能各不相同，如果依靠按键交互方式，则很难向手机传递人类的指令意图，这时触摸式交互的优势就得以体现，人们只需要在屏幕上对应的位置传递指令就可以让设备接收信号，并执行动作。

　　第三类，语音交互。语音交互要实现的本质还是向机器传达指令，只是传递信息的方式是通过语音，这就需要机器要有“听得懂、能回应”的能力。但长期以来的语音识别技术只能达到对特定句式和特定关键词的理解，因此在理解自然语言时一直没能做的很好。但值得强调的是，语音交互中的难点只是语音识别，一旦语音识别成熟后，机器对输入的语音信号做出响应这部分功能是十分完善的。

　　人机交互经过长期发展，在机器侧的技术和功能已经做的相当完善，机器对清晰信号（如按键、触摸信号）的响应也是极为快速和到位的。但在信号理解方面仍有许多需要提升的，特别是当输入信号变为其他类型输入时（如图片、文字、语音、视频等），机器的识别能力就显得有些不足。而GPT类的多模态大型语言模型则有力的弥补了这方面的不足，GPT模型能够准确识别和理解多模态的信息，特别是对自然语言的理解和回应能力已经达到人类水平。在GPT模型的驱动下，机器能够准确理解人类的自然语言，甚至是人类手绘的图片和来自不同国家的语言，这一方面使得人机交互的方式更为简单自然，更加接近于人类交流的方式，另一方面更重要的是，GPT模型能够理解复杂指令并自动化实现。借助GPT模型强大的理解能力，人类传达给机器的指令不用再像以往那样的简单、单一，而是可以传递复杂指令，并且不用解释指令的执行过程，GPT模型能够自行理解人类语言指令，并形成解决方案。这种划时代的变革，使得机器的行为能够更接近于具有智力的人类，而不再像以往那样只是完成特定任务和功能的机械化终端，对于提升生产力和创造人机协同的世界都将带来巨大的促进。