岭大联合研究：AI自主接管工作未必有助员工减压 人类保留决策权可减少疲劳 保持判断能力

人工智能（AI）逐步应用于各行各业，人类与智能系统的「人机协作」模式备受关注。岭南大学（岭大）心理学系一项联合研究发现，AI在员工工作量突然增加的「高压」状态下有助维持表现；不过，盲目提高AI的自主权，并让其主动介入接管工作，或会削弱使用者对工作的掌握，未必能减轻负担之余，更会增加心理疲劳及「人机冲突」。学者指出，保留人类对工作分配的主导决策权，有助维持长远工作表现及判断能力。有关研究成果已刊登于国际知名跨学科学术期刊《国际人机互动期刊》（International Journal of Human-Computer Interaction）。

岭大认知科学研究中心主任兼心理学系副教授徐杰教授与其合作研究团队，以航空驾驶舱作为研究的测试场景，并采用美国太空总署（NASA）开发的多重任务模拟平台（Multi-Attribute Task Battery，MATB），模仿操作者需同时处理多重任务、要「一心多用」的工作场境，分析在不同工作量下，人类与智能系统分配决策权与控制权，会如何影响安全性、工作效率及使用者体验。

研究团队招募合共92名大学生进行两轮实测，要求他们在模拟平台中同时执行三大任务⸺操控摇杆的「追踪任务」、「系统监察」，以及「资源管理」。

首轮实验了解参与者的真实工作表现。结果发现，当参与者工作量急增时，需要持续控制及专注的「追踪任务」表现明显下降，操作准确度由百分之76下降至百分之55；而其他任务则未受明显影响。研究团队分析指出，员工在高压的工作环境下，会将注意力优先分配给需要即时回应的离散性任务，而牺牲对连续性任务的投入，进而导致「追踪任务」等持续监控类任务的表现下降。

在第二轮实验中，团队比较两种不同的「人机权力分配模式」。第一种是「人类主导模式」，由操作者自行决定何时将工作交给智能系统跟进、何时取回控制权；第二种是「人类与智能系统共享控制权模式」，让智能系统自动侦测工作量变化，主动接管或交还部分工作任务。

研究结果显示，当工作量急升或出现紧急状况时，「人类与智能系统共享控制权模式」能有效分担人类压力，有助维持稳定表现，避免操作者因负荷急升而出现明显失误。不过，当工作量回落时，「人类主导模式」的工作表现反而更好，因为智能系统主动接管工作后，有机会令操作者逐渐脱离实际操作状态；当系统交还控制权时，使用者未必能即时重新掌握实际状况，导致表现短暂下降。相反，由操作者自行决定何时交出或收回控制权，反而有助维持工作连贯性，并减少不必要的人机权限冲突。

研究亦发现，在长时间工作的情况下，「人类与智能系统共享控制权模式」的参与者在实验后段出现较高的疲劳水平，其疲劳评分显著高于人类主导组别，反映工作中更高程度的自动化，不一定能减轻心理负荷。

徐杰教授指出，引入智能系统的原意旨在协助人类高效处理海量数据，并应对复杂任务。但本次研究发现，大众不能「一刀切」认为更高程度的自动化会令工作更轻松或带来更好表现，尤其当智能系统自行决定何时接管工作时，操作者需持续监察系统运作、理解其决策逻辑，以及预测其下一步行动，这些额外认知需求可能会增加精神负荷。

徐教授表示：「若智能系统未能清楚向使用者解释其判断依据，容易引发人机认知落差，影响协作效果。因此，未来智能系统设计应根据工作情况灵活调整权限分配机制，在自动化效率与人类主导权之间取得平衡，以减少『人机冲突』；亦需要更重视透明度及『人机沟通』机制，让使用者理解系统状态和决策原因。」

他指出，有关研究发现对不同行业提供重要参考价值，包括未来的航空驾驶舱设计、遥距操作、智能交通及其他涉及高风险决策的「人机协作」场景。

本论文的合著作者还包括陕西师范大学的葛贤良女士和宋晓蕾教授，以及浙江大学的徐翰林先生、张科先生和倪昊先生。

有关研究《研究人机分工模式如何影响多重任务表现》全文，请浏览： Effects of Human–Automation Authority Allocation on Multitasking Performance under Workload Conditions