在我们日常生活的不同环境中，机器和机器人的日益融合正变得越来越明显。尽管相关技术发展取得了显著进步，但机器和机器人与人类自然和直观的互动能力仍然不足。因此，本研究课题从行为学和神经科学角度研究“人为因素”与人工智能体的相互作用，收集并分析了人类与不同类型机器交互的研究，包括物理机器人、计算机界面、对话代理（CA）和脑机接口（BCI）设备。
关于人机交互（HRI），一个关键问题是机器人在多大程度上被自发地感知并被视为有意识的代理人。研究工作中，Morillo-Mendez等人通过采用神经认知启发的方法解决了这个问题。通过测试视觉跟踪行为，分析了人类在多大程度上赋予机器人意向性。结果显示，当参与者认为机器人可能看到目标时，他们会跟随机器人的目光。有趣的是，根据参与者的观点，当机器人看不到目标时，目光跟随行为会减弱。Morillo-Mendez等人的研究表明，如果人类能够将一种精神状态归因于拟人机器人，那么拟人机器人的注视跟随就会发生。
这项研究是一系列新研究的一部分，旨在利用机器人更好地理解人类行为。Mondellini等人的工作就是一个例子。作者采用生态学方法，通过比较患有自闭症综合征（ASC）和神经正常（NT）的成年人，评估HRI中人类表现的差异。他们在一个类似工业实验室的机器人协作单元中，分析了组装任务过程中的定性和定量行为模式。定量结果显示，与NT相比，大多数ASC参与者对机器人的等待时间更长，这表明他们对机器人的紧迫感较低。综上所述，这些结果凸显了个体差异是协作机器人设计中的关键因素。探索这些方面为具有不同需求的个人如何应对 HRI 提供了宝贵的见解。
在考虑虚拟人工代理时，人机交互 （HCI） 领域对与对话代理 （CA） 的交互以及它们如何影响用户体验的兴趣日益浓厚。Poivet等人开发了一种计算机文本游戏，参与者在游戏中扮演侦探角色，必须与四个不同的CA进行讨论，这些CA可能具有不同的角色(证人或嫌疑人)和沟通风格(攻击性或合作性)。角色和沟通方式影响被试对CA智力和可信度的评价。具体来说，CA的沟通方式在塑造参与者对攻击性和合作性感知方面起到至关重要的作用，也影响了参与者的行为。作者得出的结论是，将CA的角色与其沟通风格结合起来，有可能显著改善用户体验，并且考虑到CA的角色、沟通风格和用户期望等参数，可增强叙事的沉浸性和互动性。
如今，人工智能也被广泛应用于新闻报道的自动化撰写和播送中。然而，在新闻播报过程中人类声音和人造声音之间的脑活动差异，目前还没有系统性研究。Gong的研究探讨了在中文媒体环境下的心理生理影响，比较了成年人在收听各种新闻广播(人类或人工智能)时的脑电图(EEG)信号。结果显示，与人工智能语音新闻广播相比，参与者在收听人类新闻广播时，左侧后颞叶观察到更大的β带活动，这表明参与者的大脑在收听人类记者而不是人工智能语音时表现出更强的处理能力。
HCI的另一个重要应用是脑机接口（BCI），即大脑与外部设备或计算机系统之间的直接通信途径。脑机接口通过分析、分类和解码脑电图信号实现大脑和外部设备之间的信息交换。稳态视觉诱发电位(SSVEP)是一种大脑信号，发生在对以恒定频率呈现的重复视觉刺激的反应中，它在BCI系统的实现中至关重要。SSVEP的一个重大挑战是大多数方法不能有效地处理非平稳和时变的脑电图信号。Yan等人通过引入一种基于相同频率信号的自相似性的无监督自适应分类算法来解决这个问题。所提出的算法确保在输入新的脑电图数据时持续更新模板信号，这在实时脑机接口中至关重要。作者展示了在自适应分类算法中利用相同频率信号的自相似性的有效性。
近期，在分析研究人类因素与人工智能体相互作用方面取得了重大进展，揭示了在与人工智能体进行互动时采用跨学科方法的好处。然而，随着人工智能和机器人在我们的日常生活中发挥着越来越重要的作用，同时也带来了新的问题，这些问题需要在未来的研究中得到回答。
