人机环境系统智能中的信息论与传统信息论在研究对象、应用场景和核心目标上存在显著差异，主要体现在以下几个方面：
1、研究对象
传统信息论（香农信息论） 关注信息的量化、编码、传输与解码，核心是解决通信系统中的效率与可靠性问题（如信道容量、噪声干扰）。研究对象多为**静态、离散的符号系统**，假设信息源和信道模型已知或可建模。人机环境系统智能中的信息论研究对象扩展至人、机器与环境动态交互的复杂系统。需处理多模态信息（如视觉、语言、触觉）、人类意图、环境状态等，强调信息的语义、情境和动态演化，如自动驾驶系统需融合传感器数据、交通规则和驾驶员行为。
2、信息处理的维度
传统信息论聚焦语法信息（符号的统计特性），如熵、互信息等度量符号的随机性，不涉及信息的意义或价值。人机环境系统智能引入语义信息（信息的意义）和语用信息（信息的效用），智能助手需理解用户指令的意图（语义）并生成有效响应（语用），而非仅传输数据。
3、动态性与不确定性
传统信息论假设信道噪声是统计已知的平稳过程，信息传输是单向或有限反馈的（如纠错编码）。
人机环境系统
认为
环境与人的行为具有
高度不确定性和时变性，
如
机器人需实时适应动态环境（如行人突然移动），需结合
在线学习、博弈论
等方法处理非平稳信息流。
4、多模态信息融合
传统信息论通常针对单一模态（如文本或信号），信道模型独立于具体内容。
人机环境系统
需融合多模态数据（如语音、图像、传感器）并解决异构信息的冲突，
如
医疗诊断系统需整合影像数据、患者病史和医生经验，涉及
跨模态信息熵
