?? 當空中或地面交通遇到危機時，是由自動化技術來解救，還是經過良好訓練的人類？

飛機有95%的時間都處于自動飛行狀態，航空業早就認識到機艙內的自動化操作越多，對飛行員的支持和培訓就越必要。自動化并沒有減少人類參與的需要。

與此同時，汽車行業推出了高級自動駕駛車輛，卻有著一個矛盾的敘事：自動駕駛通過取代不可靠的人類駕駛員會使道路更安全。即使并非完全自動駕駛，部分自動駕駛的汽車也減少了人類對方向盤的接觸。

最近的線上論壇“The Human Factor in Aviation and Vehicle Autonomy”揭示了兩個行業對人因（Human Factor）的不同觀點。本次活動凸顯了航空業在過去三十年的成熟經驗與車廠在該領域稚嫩，形成了鮮明對比。參加論壇的專家包括Seeing Machines的首席科學和創新官Mike Lenné，前Qantas的機長Matt Gray，以及MIT AgeLab的研究科學家Bryan Reimer。

改善空中交通的安全

除了1950年代引入噴氣式引擎外，1970年代引入的數字儀表和1980年代出現的fly-by-wire技術，都是最主要的航空安全領域的工程成就。

然而，Gray機長說，在70年代的澳洲，“發生了一些事故……一些看似完全正常的飛機，卻還是墜毀了。”

他們知道問題出在什么地方。Gray說，“結果顯示……大約70%的航空事故都是人為錯誤。”

他們意識到航空業必須改變。航空業通過關注人類動態來解決問題。經過幾代人因（human factor）訓練項目之后，情況終于有所改善。Gray說：“如今，我們通常會考察飛行員的九種能力。其中只有兩項是與技術相關的。其余的都是非技術性的。如情境意識、知識、決策制定、團隊協作、領導力……這些都是飛行員技術訓練的基礎。現在航空業的人因訓練與我在1980年在空軍接受的訓練完全不同。那時的重點是技術訓練。”

神話

?? 如今，航空公司的飛行員駕駛的飛機大部分可以自動飛行。

然而，認為自動化減少了對人類專業知識的需求只是“一個神話”。MIT的Reimer強調說：“我認為汽車行業并沒有完全理解航空業在過去30多年里學到的東西。當我們進行自動化時，我們需要考慮如何越來越多地支持駕駛員。”

然而，如何最好地給予駕駛員實時的支持，人們并不清楚，更不用說將其規范化了。

感知技術，比如Seeing Machines正在開發的一種，應該會有所幫助。Reimer說，“對駕駛員的狀態進行感知，并開始實時部署對策，以支持人類做出更好的決定。”

對于車廠來說，這并不容易。盡管大多數高級自動駕駛車輛的駕駛員在上路前明顯需要更多的離線訓練，但Reimer觀察到，“我們永遠無法在汽車駕駛員周邊部署航空業已經開發出來的培訓方案”。

人因科學

人因（human factor）的一般規則是人類行為，但“人因科學”究竟是什么？

Seeing Machines的Lenné解釋說，“從根本上講，人因科學就是理解人，并設計系統來支持他們。”

他指出，那些早上去公司或開始任何活動軌跡的人都有自己的經驗、期望、能力和局限。“他們在特定的環境中完成一項特定的任務，可能很簡單，也可能很困難，時間長短不等……”

他說，人因科學研究“人們與他們正在做的任務，以及他們所在環境的交叉點”，這樣“我們可以把人們放在設計的中心”。

信息過載

隨著航空領域的模擬儀表讓位于“玻璃駕駛艙”，飛行員必須徹底改變他們掃描儀表的方式。今天的飛行儀表面板在視覺上更加密集，似乎可以為飛行員提供更多的信息。

然而，這并非全是好消息。

現在的飛行員必須識別出對他正在試圖達成的即時結果至關重要的信息，同時忽視與當前無關的信息。Gray說：“做到這一點需要大量的練習，我們花了很多時間在模擬器上訓練飛行員，每年16小時。”

汽車人類駕駛員也面臨著類似的挑戰。對于16、17或18歲考取駕照的駕駛員來說，能夠接受到的訓練非常少。Reimer說，“我非常相信，一點點信息就能起到很大作用。”他補充說，每年16小時的模擬器訓練對于汽車駕駛員來說太多了，但是每五年至少進行一小時的訓練，更新人們對新技術的了解，以及如何在變化的環境中使用它們，這將是非常重要的。

當被問到車廠是否可能從數字座艙中移除不重要的信息時，Reimer說，“不幸的是，沒有。”車廠正在朝相反的方向發展。功能蔓延是常態。“消費者的需求多種多樣，而車廠試圖滿足所有功能。”

然而，Reimer補充說，對車廠來說，越來越重要的是要定制所有這些信息，以便在特定時間提供所需和相關的信息。

模式混淆

航空業知道飛行員可能會出現“模式混淆（mode confusion）”。解決辦法是“飛行模式提示（flight mode annunciation）”。當飛行員按下按鈕，切換到自動飛行，儀器會告訴他飛機現在處于這個特定的垂直模式。飛行員需要宣告這種變化，然后與其他機組人員進行交叉驗證。

所有這些程序在正常操作中都是有效的。Gray說：“但一旦工作負載開始達到峰值，遇到緊迫的問題時，你的工作記憶就會卡住，能力就會下降。你可能會遺漏的一件事就是自動化模式。”自動化中的多個子模式又將這種情況復雜化。

Gray指出，“從某種程度上說，自動化有時實際上增加了我們的工作負載。差的模式認知（通常在離地面較近的起飛或降落時）完全增加了操作的復雜性，在很多場景中，自動化其實沒有起到幫助。”

Reimer觀察到，汽車駕駛員很像飛行員。“消費者是視覺學習者。當他們開啟自動駕駛時，會尋找視覺確認。”但是，當圖標變化太微妙或突然消失時，駕駛員可能會感到困惑。

不同的車廠有不同的策略來減輕模式混淆。Reimer說，例如，通用在Super Cruis上，似乎很早就決定脫手時的側向輔助功能，來降低模式混淆。另一方面，福特的Bluecruise既有手動也有自動功能。他說，一個令人擔憂的問題是消費者是否明白何時該抓住方向盤并輔助汽車。Reimer說，這種人機界面問題是人因科學的研究主題，也是由MIT AgeLab組織的AVT Consortium一直在研究的課題之一。

誰是boss？

本次活動的一位主持人問Gray，在飛機上誰是boss，自動飛行功能還是機長？Gray毫不含煳地說：“肯定是機長，機艙全權負責，自動化只是輔助。”

Gray補充說，“但我真的需要知道自動化在那個時候正在做什么。我需要決定在特定的時間是否適合我使用自動飛行功能。這是我從培訓中學到的。”

Gray的回答引發了一個問題。高級自動駕駛車輛的人類駕駛員有多少會對此類問題如此清晰，特別是考慮到L3的車廠們正在鼓吹人類駕駛員可以去做一些除駕駛外的事？

以人為中心的設計是使飛機和汽車安全的唯一方式。但航空業和汽車行業在監管環境、制造商數量和離線培訓項目的可用性方面存在巨大差異。如果汽車駕駛員不愿意接受離線培訓，車廠將必須找到一種方法，使用系統在車上對個人進行培訓。這需要讓計算機科學家、AI工程師和那些理解人類的工程師一起開發出更強大的以人為中心的系統。