汽車行業(yè)相較于航空業(yè)對人因的理解還很不成熟

??當(dāng)空中或地面交通遇到危機(jī)時，是由自動化技術(shù)來解救，還是經(jīng)過良好訓(xùn)練的人類？

飛機(jī)有95%的時間都處于自動飛行狀態(tài)，航空業(yè)早就認(rèn)識到機(jī)艙內(nèi)的自動化操作越多，對飛行員的支持和培訓(xùn)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(yè)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(yè)對人因（Human Factor）的不同觀點。本次活動凸顯了航空業(yè)在過去三十年的成熟經(jīng)驗與車廠在該領(lǐng)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(xué)和創(chuàng)新官M(fèi)ike Lenné，前Qantas的機(jī)長Matt Gray，以及MIT AgeLab的研究科學(xué)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(shù)字儀表和1980年代出現(xiàn)的fly-by-wire技術(shù)，都是最主要的航空安全領(lǐng)域的工程成就。

然而，Gray機(jī)長說，在70年代的澳洲，“發(fā)生了一些事故……一些看似完全正常的飛機(jī)，卻還是墜毀了?！?/p>

他們知道問題出在什么地方。Gray說，“結(jié)果顯示……大約70%的航空事故都是人為錯誤?！?/p>

他們意識到航空業(yè)必須改變。航空業(yè)通過關(guān)注人類動態(tài)來解決問題。經(jīng)過幾代人因（human factor）訓(xùn)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(shù)相關(guān)的。其余的都是非技術(shù)性的。如情境意識、知識、決策制定、團(tuán)隊協(xié)作、領(lǐng)導(dǎo)力……這些都是飛行員技術(shù)訓(xùn)練的基礎(chǔ)?，F(xiàn)在航空業(yè)的人因訓(xùn)練與我在1980年在空軍接受的訓(xùn)練完全不同。那時的重點是技術(shù)訓(xùn)練?！?/p>

神話??

如今，航空公司的飛行員駕駛的飛機(jī)大部分可以自動飛行。

然而，認(rèn)為自動化減少了對人類專業(yè)知識的需求只是“一個神話”。MIT的Reimer強(qiáng)調(diào)說：“我認(rèn)為汽車行業(yè)并沒有完全理解航空業(yè)在過去30多年里學(xué)到的東西。當(dāng)我們進(jìn)行自動化時，我們需要考慮如何越來越多地支持駕駛員?！?/p>

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(guī)范化了。

感知技術(shù)，比如Seeing Machines正在開發(fā)的一種，應(yīng)該會有所幫助。Reimer說，“對駕駛員的狀態(tài)進(jìn)行感知，并開始實時部署對策，以支持人類做出更好的決定?！?/p>

對于車廠來說，這并不容易。盡管大多數(shù)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(xùn)練，但Reimer觀察到，“我們永遠(yuǎn)無法在汽車駕駛員周邊部署航空業(yè)已經(jīng)開發(fā)出來的培訓(xùn)方案”。

人因科學(xué)??

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

Seeing Machines的Lenné解釋說，“從根本上講，人因科學(xué)就是理解人，并設(shè)計系統(tǒng)來支持他們?！?/p>

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(jīng)驗、期望、能力和局限?！八麄冊谔囟ǖ沫h(huán)境中完成一項特定的任務(wù)，可能很簡單，也可能很困難，時間長短不等……”

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

信息過載???

隨著航空領(lǐng)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(xiàn)在的飛行員必須識別出對他正在試圖達(dá)成的即時結(jié)果至關(guān)重要的信息，同時忽視與當(dāng)前無關(guān)的信息。Gray說：“做到這一點需要大量的練習(xí)，我們花了很多時間在模擬器上訓(xùn)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(zhàn)。對于16、17或18歲考取駕照的駕駛員來說，能夠接受到的訓(xùn)練非常少。Reimer說，“我非常相信，一點點信息就能起到很大作用?！彼a(bǔ)充說，每年16小時的模擬器訓(xùn)練對于汽車駕駛員來說太多了，但是每五年至少進(jìn)行一小時的訓(xùn)練，更新人們對新技術(shù)的了解，以及如何在變化的環(huán)境中使用它們，這將是非常重要的。

當(dāng)被問到車廠是否可能從數(shù)字座艙中移除不重要的信息時，Reimer說，“不幸的是，沒有?！避噺S正在朝相反的方向發(fā)展。功能蔓延是常態(tài)?！跋M(fèi)者的需求多種多樣，而車廠試圖滿足所有功能?！?/p>

然而，Reimer補(bǔ)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(guān)的信息。

模式混淆???

航空業(yè)知道飛行員可能會出現(xiàn)“模式混淆（mode confusion）”。解決辦法是“飛行模式提示（flight mode annunciation）”。當(dāng)飛行員按下按鈕，切換到自動飛行，儀器會告訴他飛機(jī)現(xiàn)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(jī)組人員進(jìn)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(fù)載開始達(dá)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(fù)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(fù)載。差的模式認(rèn)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(fù)雜性，在很多場景中，自動化其實沒有起到幫助?！?/p>

Reimer觀察到，汽車駕駛員很像飛行員?！跋M(fèi)者是視覺學(xué)習(xí)者。當(dāng)他們開啟自動駕駛時，會尋找視覺確認(rèn)?！钡牵?dāng)圖標(biāo)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(cè)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(dān)憂的問題是消費(fèi)者是否明白何時該抓住方向盤并輔助汽車。Reimer說，這種人機(jī)界面問題是人因科學(xué)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(jī)上誰是boss，自動飛行功能還是機(jī)長？Gray毫不含煳地說：“肯定是機(jī)長，機(jī)艙全權(quán)負(fù)責(zé)，自動化只是輔助?！?/p>

Gray補(bǔ)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(xùn)中學(xué)到的?！?/p>

Gray的回答引發(fā)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(shè)計是使飛機(jī)和汽車安全的唯一方式。但航空業(yè)和汽車行業(yè)在監(jiān)管環(huán)境、制造商數(shù)量和離線培訓(xùn)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(xùn)，車廠將必須找到一種方法，使用系統(tǒng)在車上對個人進(jìn)行培訓(xùn)。這需要讓計算機(jī)科學(xué)家、AI工程師和那些理解人類的工程師一起開發(fā)出更強(qiáng)大的以人為中心的系統(tǒng)。