我想做一个几乎不需要点击的网页。

进入页面以后，用户面对的不是按钮、菜单或输入框，而是一张脸、一个场景，或者某种还没有固定形态的数字生命体。摄像头开始捕捉人的面部表情、身体动作和与屏幕之间的距离。系统根据这些变化，实时改变画面中的形态、空间、声音和节奏。

在这个过程中，人并不是通过明确指令来控制系统。人的脸、动作、停顿和观看本身，就是输入。

这构成了这个项目最基本的问题：如果表情本身可以成为一种界面，那么人与数字系统之间的关系会发生什么变化？

从“操作界面”转向“感知界面”

大多数数字产品都要求用户主动发出命令。点击一个按钮，系统执行一个操作；输入一段文字，系统返回一个结果；拖动一个滑块，界面产生对应变化。

这种关系非常清楚。用户知道自己做了什么，也大致知道系统为什么响应。

但人的真实状态并不总是通过明确指令表达出来。

一个人可能皱眉，但没有想要“提交”皱眉；他可能突然靠近屏幕，也可能长时间保持沉默；他可能笑了一下，但这个笑并不一定代表高兴。很多身体和情绪信号本来就是连续的、模糊的，甚至彼此矛盾。

我想尝试建立一种不同的交互逻辑：系统不再等待明确命令，而是持续感知人的状态，并用一个不断变化的数字环境进行回应。

这里的“界面”不再只是屏幕上的控件，而是人的身体本身。

不把情绪当成一个标签

这个项目很容易被理解成“情绪识别”。

但我并不希望它变成一个判断“你现在是开心、悲伤还是愤怒”的系统。

这样的判断过于简单。

人的情绪很难被压缩成几个固定标签。同一个表情可能出现在完全不同的心理状态中。微笑可能来自愉快，也可能来自紧张、礼貌或不适。一个人没有明显表情，也不意味着他没有情绪。

因此，这个项目更关心的不是“识别正确”，而是“系统如何解释”。

摄像头捕捉到的面部变化、视线、身体姿态和运动强度，可以被转化为一组连续信号。这些信号不需要对应一个确定的心理结论，而可以直接影响生成系统。

例如，身体运动速度可能影响画面的流动强度；面部变化的幅度可能影响三维形态的变形程度；人与摄像头的距离可能改变空间的深度；长时间的静止可能让音乐和视觉逐渐变得稀疏。

这样，系统不必说“你现在很焦虑”。

它只是创造一个与当前状态有关的环境。

一个会回应你的空间

我更愿意把这个作品理解成一个“情绪生成空间”，而不是一个识别工具。

用户进入网页以后，首先看到的可能是一个相对稳定的场景。随着摄像头开始读取人的状态，这个场景逐渐发生变化。

变化可以很具体，也可以非常抽象。

一张三维面孔可能随着用户的表情发生细微变形。

一个粒子空间可能因为人的动作而聚集或扩散。

光线可能随着人的距离发生变化。

声音可以从一个持续的背景层开始，慢慢增加新的音色、噪声或节奏。

某些变化可以非常快速，直接对应一个动作；另一些变化则可以具有记忆，在一段时间内累积。

这样，用户面对的就不再是一个简单的反馈系统。

它更像一个会被人的存在逐渐改变的空间。

反馈不一定需要“正确”

传统交互设计非常强调反馈的准确性。

用户点击一个按钮，系统应该给出明确反馈。如果系统理解错误，就会被认为是一个设计问题。

但在这个项目中，我反而对“误读”感兴趣。

如果一个人皱眉，系统生成了一个非常柔和的空间；如果一个人微笑，画面却开始变得紧张，这种不一致本身也可能构成体验。

因为人的表情与人的内部状态之间，本来就不存在完全透明的对应关系。

机器对人的理解同样如此。

这使系统不再像一个忠实的镜子，而更像一个有偏差的翻译器。

它看到一个表情，然后把这个表情转换成自己的视觉和声音语言。这个转换可能接近人的感受，也可能完全偏离。

这种偏离让我觉得有意思。

因为它暴露了一个问题：当机器说它“理解”我们时，它到底理解了什么？

被观看与观看

摄像头让这个项目天然包含另一层关系。

用户在看屏幕，而屏幕背后的系统也在看用户。

这种双向观看和普通网页体验不同。

当用户意识到自己的脸正在影响画面，他可能会主动改变表情。

他可能开始尝试笑、皱眉、闭眼、靠近或离开。

此时，表情就发生了变化。

最开始，表情只是自然状态；随后，它变成一种试探；再之后，它甚至可能变成一种表演。

用户会开始思考：“如果我这样做，它会发生什么？”

系统也由此改变了人的行为。

这意味着交互不是单向的。

不是“人的情绪影响系统”这么简单，而是一个循环：

人影响系统，系统产生反馈，反馈又影响人的下一次表情和动作。

如果这个循环持续足够久，最后出现的状态可能已经无法明确区分，是人的情绪产生了画面，还是画面产生了人的情绪。

我认为这个循环可能是整个项目最重要的部分之一。

情绪作为一种材料

在视觉艺术中，我们习惯把颜色、形状、声音、文字和空间看作材料。

我想进一步提出一个问题：人的情绪状态是否也可以成为材料？

这里的“材料”不是说要把人的情绪保存下来，或者把它变成一个可以被量化的对象。

我更关心的是，它是否可以参与作品的生成过程。

人的一个微小动作，可以改变空间。

一段持续的凝视，可以改变声音。

身体的靠近或离开，可以改变一个虚拟物体的状态。

在这种关系中，作品并不是在用户进入之前就已经完成。

它只能在用户出现以后成立。

每一次访问也可能产生不同结果。

作品的最终形态不是一个固定画面，而是人与系统共同产生的一段过程。

技术只是中介

从实现上看，这个项目可能涉及几个不同系统。

网页需要访问摄像头输入。

系统需要分析面部特征、身体姿态或画面中的运动。

这些数据随后可以进入一个实时生成系统，驱动三维模型、粒子、光线、着色器（shader）、动画或其他视觉元素。

声音部分也可以由同一组数据控制，通过程序化声音、环境音层或音乐结构产生变化。

这些技术都很重要。

但我不希望项目最终变成一次技术能力展示。

面部追踪、三维生成和声音合成本身都不是作品的目的。

它们只是建立关系的中介。

真正的问题仍然是：当一个数字系统开始持续感知一个人的身体，并且不断根据这种感知改变环境时，人会如何理解自己和这个系统之间的关系？

从“理解人”转向“回应人”

我觉得这个项目有一个很重要的区别。

它不一定需要理解人。

它只需要回应人。

“理解”意味着系统似乎知道用户真实的心理状态。

这实际上是一个很强的判断。

而“回应”更加开放。

系统接收到一个变化，然后产生另一个变化。

它不宣称自己知道人的真实情绪。

它只建立一种映射关系。

这种映射可以是柔和的，也可以是矛盾的；可以稳定，也可以逐渐失控；可以让用户感到被理解，也可以让用户意识到自己正在被一个并不了解自己的系统持续解释。

这种不确定性不是项目需要消除的问题。

它可能恰恰是作品的一部分。

一个不稳定的数字镜子

如果要用一个简单的比喻描述这个作品，我会把它看作一面不稳定的镜子。

普通镜子只是反射人的外表。

这个系统却会重新解释它看到的东西。

你皱眉，它不会复制你的皱眉，而可能让空间收缩。

你靠近，它可能让声音远离。

你突然笑，它可能让一个虚拟物体开始分裂。

它不断接收你的状态，但从不完全复制你。

因此，它既像镜子，又不像镜子。

你能在里面发现自己的痕迹，但无法完全控制这些痕迹最后会变成什么。

我希望这种体验能产生一种很微妙的感觉。

一方面，用户会觉得这个空间与自己有关。

另一方面，他又无法确定系统究竟如何看待自己。

这种距离可能比一个“准确识别情绪”的系统更有意义。

我真正想研究的问题

最终，这个项目并不是关于如何制造一个更聪明的表情识别程序。

它更接近几个开放的问题。

当人的身体本身成为界面以后，交互还需要明确的命令吗？

当机器不断读取人的面孔时，这种感知是一种理解，还是一种解释？

当系统的回应开始影响人的下一次表情时，到底是谁在控制谁？

一个数字空间是否可以不以信息传递为主要目标，而以氛围、感觉和反馈循环为核心？

以及，当人的情绪进入一个实时生成系统以后，它是否可以成为一种新的创作材料？

我现在还不知道这个作品最终应该是一张脸、一个房间、一个抽象空间，还是一个没有明确物种的数字生命体。

我也不认为现在就需要决定。

对我来说，更重要的是先建立这种关系：

一个人站在屏幕前。

系统看见他。

他看见系统的回应。

然后，他因为这个回应发生一点变化。

系统再次看见这个变化。

这个循环不断继续。

作品就在这个循环中发生。