2572
当空中或地面交通遇到危机时，是由自动化技术来解救，还是经过良好训练的人类？
飞机有95%的时间都处于自动飞行状态，航空业早就认识到机舱内的自动化操作越多，对飞行员的支持和培训就越必要。自动化并没有减少人类参与的需要。
与此同时，汽车行业推出了高级自动驾驶车辆，却有着一个矛盾的叙事：自动驾驶通过取代不可靠的人类驾驶员会使道路更安全。即使并非完全自动驾驶，部分自动驾驶的汽车也减少了人类对方向盘的接触。
最近的线上论坛“The Human Factor in Aviation and Vehicle Autonomy”揭示了两个行业对人因（Human Factor）的不同观点。本次活动凸显了航空业在过去三十年的成熟经验与车厂在该领域稚嫩，形成了鲜明对比。参加论坛的专家包括Seeing Machines的首席科学和创新官Mike Lenné，前Qantas的机长Matt Gray，以及MIT AgeLab的研究科学家Bryan Reimer。
改善空中交通的安全
除了1950年代引入喷气式引擎外，1970年代引入的数字仪表和1980年代出现的fly-by-wire技术，都是最主要的航空安全领域的工程成就。
然而，Gray机长说，在70年代的澳洲，“发生了一些事故……一些看似完全正常的飞机，却还是坠毁了。”
他们知道问题出在什么地方。Gray说，“结果显示……大约70%的航空事故都是人为错误。”
他们意识到航空业必须改变。航空业通过关注人类动态来解决问题。经过几代人因（human factor）训练项目之后，情况终于有所改善。Gray说：“如今，我们通常会考察飞行员的九种能力。其中只有两项是与技术相关的。其余的都是非技术性的。如情境意识、知识、决策制定、团队协作、领导力……这些都是飞行员技术训练的基础。现在航空业的人因训练与我在1980年在空军接受的训练完全不同。那时的重点是技术训练。”
神话
如今，航空公司的飞行员驾驶的飞机大部分可以自动飞行。
然而，认为自动化减少了对人类专业知识的需求只是“一个神话”。MIT的Reimer强调说：“我认为汽车行业并没有完全理解航空业在过去30多年里学到的东西。当我们进行自动化时，我们需要考虑如何越来越多地支持驾驶员。”
然而，如何最好地给予驾驶员实时的支持，人们并不清楚，更不用说将其规范化了。
感知技术，比如Seeing Machines正在开发的一种，应该会有所帮助。Reimer说，“对驾驶员的状态进行感知，并开始实时部署对策，以支持人类做出更好的决定。”
对于车厂来说，这并不容易。尽管大多数高级自动驾驶车辆的驾驶员在上路前明显需要更多的离线训练，但Reimer观察到，“我们永远无法在汽车驾驶员周边部署航空业已经开发出来的培训方案”。
人因科学
人因（human factor）的一般规则是人类行为，但“人因科学”究竟是什么？
Seeing Machines的Lenné解释说，“从根本上讲，人因科学就是理解人，并设计系统来支持他们。”
他指出，那些早上去公司或开始任何活动轨迹的人都有自己的经验、期望、能力和局限。“他们在特定的环境中完成一项特定的任务，可能很简单，也可能很困难，时间长短不等……”
他说，人因科学研究“人们与他们正在做的任务，以及他们所在环境的交叉点”，这样“我们可以把人们放在设计的中心”。
信息过载
随着航空领域的模拟仪表让位于“玻璃驾驶舱”，飞行员必须彻底改变他们扫描仪表的方式。今天的飞行仪表面板在视觉上更加密集，似乎可以为飞行员提供更多的信息。
然而，这并非全是好消息。
现在的飞行员必须识别出对他正在试图达成的即时结果至关重要的信息，同时忽视与当前无关的信息。Gray说：“做到这一点需要大量的练习，我们花了很多时间在模拟器上训练飞行员，每年16小时。”
汽车人类驾驶员也面临着类似的挑战。对于16、17或18岁考取驾照的驾驶员来说，能够接受到的训练非常少。Reimer说，“我非常相信，一点点信息就能起到很大作用。”他补充说，每年16小时的模拟器训练对于汽车驾驶员来说太多了，但是每五年至少进行一小时的训练，更新人们对新技术的了解，以及如何在变化的环境中使用它们，这将是非常重要的。
当被问到车厂是否可能从数字座舱中移除不重要的信息时，Reimer说，“不幸的是，没有。”车厂正在朝相反的方向发展。功能蔓延是常态。“消费者的需求多种多样，而车厂试图满足所有功能。”
然而，Reimer补充说，对车厂来说，越来越重要的是要定制所有这些信息，以便在特定时间提供所需和相关的信息。
模式混淆
航空业知道飞行员可能会出现“模式混淆（mode confusion）”。解决办法是“飞行模式提示（flight mode annunciation）”。当飞行员按下按钮，切换到自动飞行，仪器会告诉他飞机现在处于这个特定的垂直模式。飞行员需要宣告这种变化，然后与其他机组人员进行交叉验证。
所有这些程序在正常操作中都是有效的。Gray说：“但一旦工作负载开始达到峰值，遇到紧迫的问题时，你的工作记忆就会卡住，能力就会下降。你可能会遗漏的一件事就是自动化模式。”自动化中的多个子模式又将这种情况复杂化。
Gray指出，“从某种程度上说，自动化有时实际上增加了我们的工作负载。差的模式认知（通常在离地面较近的起飞或降落时）完全增加了操作的复杂性，在很多场景中，自动化其实没有起到帮助。”
Reimer观察到，汽车驾驶员很像飞行员。“消费者是视觉学习者。当他们开启自动驾驶时，会寻找视觉确认。”但是，当图标变化太微妙或突然消失时，驾驶员可能会感到困惑。
不同的车厂有不同的策略来减轻模式混淆。Reimer说，例如，通用在Super Cruis上，似乎很早就决定脱手时的侧向辅助功能，来降低模式混淆。另一方面，福特的Bluecruise既有手动也有自动功能。他说，一个令人担忧的问题是消费者是否明白何时该抓住方向盘并辅助汽车。Reimer说，这种人机界面问题是人因科学的研究主题，也是由MIT AgeLab组织的AVT Consortium一直在研究的课题之一。
谁是boss？
本次活动的一位主持人问Gray，在飞机上谁是boss，自动飞行功能还是机长？Gray毫不含煳地说：“肯定是机长，机舱全权负责，自动化只是辅助。”
Gray补充说，“但我真的需要知道自动化在那个时候正在做什么。我需要决定在特定的时间是否适合我使用自动飞行功能。这是我从培训中学到的。”
Gray的回答引发了一个问题。高级自动驾驶车辆的人类驾驶员有多少会对此类问题如此清晰，特别是考虑到L3的车厂们正在鼓吹人类驾驶员可以去做一些除驾驶外的事？
以人为中心的设计是使飞机和汽车安全的唯一方式。但航空业和汽车行业在监管环境、制造商数量和离线培训项目的可用性方面存在巨大差异。如果汽车驾驶员不愿意接受离线培训，车厂将必须找到一种方法，使用系统在车上对个人进行培训。这需要让计算机科学家、AI工程师和那些理解人类的工程师一起开发出更强大的以人为中心的系统。
下载ECAD模型
