A METHODOLOGY FOR THE STRUCTURAL SYNTHESIS OF ADAPTIVE INTERFACES BASED ON THE FORMALISATION OF THE USER INTENT SPACE
DOI:
https://doi.org/10.28925/2663-4023.2026.35.1425Keywords:
structural synthesis of interfaces, information system, intent space, action plan, GUI state mutation, deterministic interface layerAbstract
У статті викладено методику структурного синтезу адаптивних інтерфейсів, яка переводить концепцію штучного інтелекту як інтерфейсного шару-оркестратора з рівня концептуальної моделі на рівень відтворюваної інженерної процедури. Раніше запропонована авторами модель гібридної взаємодії описує склад системи та розподіл функцій між її рівнями, проте не відповідає на питання, як для конкретної платформи побудувати перевірюване відображення природномовного наміру на виклики функціональних модулів. Саме цей розрив і закриває запропонована методика. У вступі показано, що за відсутності формального апарату кожна реалізація інтерфейсного шару лишається одиничним рішенням, непридатним до перенесення на іншу предметну область, а недетермінованість мовної моделі переноситься безпосередньо на поведінку інтерфейсу. В аналізі останніх досліджень і публікацій зіставлено дві схеми організації агентного циклу – ітеративну та засновану на однократному плануванні, розглянуто роботи з виклику зовнішніх програмних інтерфейсів мовними моделями, засоби керованого структурованого виведення за схемою та емпіричні оцінки надійності планування, а також окреслено відмінність запропонованого рішення від генеративного інтерфейсу й від агентів, що імітують дії користувача. У розділі результатів дослідження задачу синтезу формалізовано як побудову відображення пари «намір – контекст графічного інтерфейсу» у пару «план звернень до функціональних модулів – мутація стану компонентів», подано шестиетапну схему методики, модель простору намірів із пороговою оцінкою впевненості інтерпретації, п’ять правил декомпозиції складеного наміру та модель мутації стану графічного інтерфейсу як скінченної множини операцій над сховищем стану клієнта. Описано механізми контрольованості, серед яких підтвердження критичних дій винесено в контракт функціонального модуля, а не в текст промпту. Аналітична оцінка часу опрацювання наміру показує, що домінувальним доданком лишається звернення до мовної моделі, тому методика доводить кількість таких звернень на критичному шляху до одиниці. У висновках обґрунтовано, що мовна модель у запропонованому рішенні позбавлена виконавчих повноважень і виступає лише генератором структурованого плану, тоді як виконання, зміна стану інтерфейсу, підтвердження та відкат лишаються детермінованими.
Downloads
References
Nielsen, J. (2023). AI is first new UI paradigm in 60 years. UX Tigers. https://www.uxtigers.com/post/ai-new-ui-paradigm
Shneiderman, B. (2022). Human-centered AI: Ensuring human control while increasing automation. In Proceedings of the 5th Workshop on Human Factors in Hypertext (pp. 1–2). Association for Computing Machinery. https://doi.org/10.1145/3538882.3542790
Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., & Cao, Y. (2023). ReAct: Synergizing reasoning and acting in language models. In The Eleventh International Conference on Learning Representations (ICLR 2023). https://arxiv.org/abs/2210.03629
Wang, L., Xu, W., Lan, Y., Hu, Z., Lan, Y., Lee, R. K.-W., & Lim, E.-P. (2023). Plan-and-solve prompting: Improving zero-shot chain-of-thought reasoning by large language models. In Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 2609–2634). Association for Computational Linguistics. https://doi.org/10.18653/v1/2023.acl-long.147
He, G., Demartini, G., & Gadiraju, U. (2025). Plan-then-execute: An empirical study of user trust and team performance when using LLM agents as a daily assistant. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (pp. 1–22). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713218
Schick, T., Dwivedi-Yu, J., Dessì, R., Raileanu, R., Lomeli, M., Hambro, E., Zettlemoyer, L., Cancedda, N., & Scialom, T. (2023). Toolformer: Language models can teach themselves to use tools. Advances in Neural Information Processing Systems, 36. https://arxiv.org/abs/2302.04761
Patil, S. G., Zhang, T., Wang, X., & Gonzalez, J. E. (2024). Gorilla: Large language model connected with massive APIs. Advances in Neural Information Processing Systems, 37. https://arxiv.org/abs/2305.15334
Qin, Y., Liang, S., Ye, Y., Zhu, K., Yan, L., Lu, Y., Lin, Y., Cong, X., Tang, X., Qian, B., Zhao, S., Hong, L., Tian, R., Xie, R., Zhou, J., Gerstein, M., Li, D., Liu, Z., & Sun, M. (2024). ToolLLM: Facilitating large language models to master 16000+ real-world APIs. In The Twelfth International Conference on Learning Representations (ICLR 2024). https://arxiv.org/abs/2307.16789
Willard, B. T., & Louf, R. (2023). Efficient guided generation for large language models [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2307.09702
Tam, Z. R., Wu, C.-K., Tsai, Y.-L., Lin, C.-Y., Lee, H., & Chen, Y.-N. (2024). Let me speak freely? A study on the impact of format restrictions on large language model performance. In Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing: Industry Track (pp. 1218–1236). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.emnlp-industry.91
Valmeekam, K., Marquez, M., Olmo, A., Sreedharan, S., & Kambhampati, S. (2023). PlanBench: An extensible benchmark for evaluating large language models on planning and reasoning about change. Advances in Neural Information Processing Systems, 36. https://arxiv.org/abs/2206.10498
Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248. https://doi.org/10.1145/3571730
Google Research. (2025). Generative UI: A rich, custom, visual interactive user experience for any prompt. Google Research Blog. https://research.google/blog/generative-ui-a-rich-custom-visual-interactive-user-experience-for-any-prompt/
Vaithilingam, P., Glassman, E. L., Inala, J. P., & Wang, C. (2024). DynaVis: Dynamically synthesized UI widgets for visualization editing. In Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems (pp. 1–17). Association for Computing Machinery. https://doi.org/10.1145/3613904.3642639
Zheng, B., Gou, B., Kil, J., Sun, H., & Su, Y. (2024). GPT-4V(ision) is a generalist web agent, if grounded. In Proceedings of the 41st International Conference on Machine Learning (Proceedings of Machine Learning Research, Vol. 235, pp. 61349–61385). PMLR.
Amershi, S., Weld, D., Vorvoreanu, M., Fourney, A., Nushi, B., Collisson, P., Suh, J., Iqbal, S. T., Bennett, P. N., Inkpen, K., Teevan, J., Kikin-Gil, R., & Horvitz, E. (2019). Guidelines for human-AI interaction. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems (pp. 1–13). Association for Computing Machinery. https://doi.org/10.1145/3290605.3300233
Attig, C., Rauh, N., Franke, T., & Krems, J. F. (2017). System latency guidelines then and now—Is zero latency really considered necessary? In D. Harris (Ed.), Engineering psychology and cognitive ergonomics: Cognition and design (Lecture Notes in Computer Science, Vol. 10276, pp. 3–14). Springer. https://doi.org/10.1007/978-3-319-58475-1_1
Bondarchuk, A., & Kryvolapov, H. (2026). Model of hybrid interaction with a platform based on an AI agent. Cybersecurity: Education, Science, Technique, 1(33), 647–656. https://doi.org/10.28925/2663-4023.2026.33.1246
Kryvolapov, H. (2026). AI agent as a deterministic interface layer of a digital platform. In Information Technologies – 2026: Proceedings of the XIII All-Ukrainian Scientific and Practical Conference of Young Scientists (pp. 130–135). Borys Grinchenko Kyiv Metropolitan University.
Kryvolapov, H. (2025). Transformation of the interaction paradigm: Transition from GUI to hybrid intent-based interfaces. In A. A. Hryhorova (Ed.), Modern computer systems and technologies: Proceedings of the VIII All-Ukrainian Scientific and Practical Internet Conference of Students, Postgraduate Students and Young Scientists “Modern Computer Systems and Networks in Management” (pp. 31–33). FOP Vyshemyrskyi V. S. https://doi.org/10.5281/zenodo.17711825
Gulak, N., Ilyenko, S., Dubchak, E., Maistrenko, A., & Zhurakovskyi, B. (2025). Software module protecting web applications from several attack types using formal logic. In Cybersecurity Providing in Information and Telecommunication Systems II (CPITS II) (pp. 35–45).
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Aндрій Бондарчук, Гліб Криволапов, Олена Негоденко, Людмила Зуб
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
