综述：迈向人机混合智能中的共同情境感知：以高风险航空环境为例的调研

《Reliability Engineering & System Safety》：Toward Shared Situational Awareness in Human–AI Hybrid Intelligence: A Survey in High-Risk Aviation Environments

人工智能在高风险航空运营中需建立高效人机协作机制，共享情境意识（SSA）作为核心协调原则，其动态形成与演变机制通过信息交换、认知对齐及适应性协调过程实现。本文系统综述近十年相关研究，提出SSA的三层动态模型：信息感知层、交互调节层和情境适应层，揭示人机协作中信息融合、认知差异调节与任务约束的协同作用机制，为构建安全可靠的航空人机系统提供理论框架。

　　

李东林|李明瑞|王佐旭|李凡

香港理工大学航空与航空工程系，香港九龙红磡玉彩路11号，香港特别行政区，

摘要

随着人工智能（AI）在高风险航空运营中的日益应用，需要更深层次、更有效的混合智能团队协作来保障安全和运营性能。共享情境意识（SSA）已成为实现人类操作员与AI系统之间一致且兼容的情境表示的关键概念。然而，SSA的形成和适应机制仍不够明确。本研究系统回顾了过去十年的研究，以综合关于SSA在混合人机智能系统中如何产生和发展的证据。分析表明，SSA通过信息交换和认知对齐产生，并通过分歧、协商和修复等相互关联的过程不断发展。基于这一综合研究，提出了一个人机SSA形成的解释框架，强调了适应性协调过程、相互预测和共享理解如何塑造稳健且具有韧性的协作。这项工作通过强调现有文献如何将安全性视为混合人机认知的一种涌现性和韧性属性，丰富了人们对SSA的理解。它为设计、评估和支持动态航空环境中协调行动的人机系统提供了综合的概念基础。

引言

航空业被广泛认为是一个高风险和复杂的领域。一旦发生事故，往往会导致严重的人员伤亡和巨大的经济损失[1]。人工智能（AI）的引入正在迅速改变这些安全关键的运营，从交通管理和轨迹优化到飞行甲板决策辅助[2]、[3]、[4]、[5]。虽然AI提高了效率，但它同时也引入了新的不确定性和协调挑战[6]。一线从业者对人机协作模式仍持谨慎态度，这主要是由于对责任和新兴技术成熟度的担忧[7]、[8]。这些进展提出了一个核心问题：人类和AI如何在航空社会技术环境中协作以实现安全和可靠的任务目标。

在人机系统中使用适当的协作方法是提高安全性和可靠性的有效手段。因此，提出了人机混合智能这一共生模式，其目的不是取代人类，而是使人类和AI能够协作解决复杂问题[9]、[10]、[11]、[12]。这一模式的本质在于团队成员保持对情境的共享感知和理解，通常称为共享情境意识（SSA）[13]、[14]。越来越多的文献开始关注航空领域中的人机智能。例如，LIN等人[15]将AI驱动的语音通信整合用于安全监控，而Zhuang等人[16]将基于图的AI模型应用于航空安全报告进行风险分析。技术的进步使AI成为航空运营中的重要合作伙伴，有可能从根本上重塑航空生态系统[17]。总体而言，航空和其他安全关键领域的研究已在多项综述研究中得到整合。大多数分析侧重于综合AI应用、人为因素和数字技术的进展，以支持系统效率、安全性能、可持续性以及缓解疲劳和错误等人为限制[18]、[19]、[20]、[21]、[22]。此外，最近以人为中心的综述也研究了协作结构并进行了特征描述[23]、[24]。

然而，对于维持有效协作的团队层面的认知基础关注有限，特别是SSA在人机系统中的作用。SSA的概念建立在Endsley[25]的个体层面情境意识（SA）模型之上，将该理论扩展到团队层面，支持持续和协调的行动[13]、[26]。SSA反映了团队成员在条件变化时不断调整他们的解释、期望和意图的持续过程。从这个角度来看，它是人机混合智能的核心组织原则，提供了人类和AI能够对齐解释、预测系统状态并共同管理决策的认知和协调基础。

在实践中实现这种共享理解并非易事，因为人类和AI本身往往基于不同的内部世界模型构建SA，这可能导致对同一操作情境的不同解释[27]、[28]、[29]。这种分歧的后果在人类团队合作中早已被观察到，人机团队不可避免地会面临类似的风险[30]、[31]、[32]。例如，波音737 MAX事故被认为是一个重要案例，其中人类理解和自动化系统行为之间的不一致导致了协调失败[33]。在这方面，SSA作为一种诊断和调节机制，有助于识别人机理解的分歧，并为设计支持对齐、协商和协作恢复的机制提供信息。因此，在人机系统中，安全和运营可靠性可以被视为基于团队层面SSA的动态过程的体现。

在这项研究中，我们采用系统综合方法来探讨SSA在航空领域的人机团队中是如何形成和发展的。SSA的三个层次提供了一种有效的方式来理解其发展过程：感知外部环境、解释感知到的信息以及通过心理投射预测未来状态[13]。基于这一理念，我们概述了一个概念性路径，阐述了SSA如何通过相互作用元素产生，并将这些关键元素组织成一个以机制为导向的视角。如图1所示，与SSA相关的研究可以围绕三个相互关联的组成部分进行结构化组织：来自物理世界的信息输入、管理人类与AI之间交流的交互支持，以及塑造这一过程的情境因素[34]、[35]。人类的心理模型根据个人可用的信息指导感知，而交互机制则促进这些信息转化为集体理解[36]、[37]。同时，这一过程并非孤立发生，而是不断受到任务需求、技术中介和运营约束的影响，所有这些因素最终都会影响预测[38]。

基于上述分析和确定的需求，提出了三个关键研究问题（RQs）来指导本研究。这些问题旨在捕捉SSA在人机团队中产生、发展和维持的多层次过程。具体问题如下：

1.

在航空领域的人机团队中，哪些基本的信息基础使得SSA的形成成为可能？

2.

交互机制如何在SSA发展过程中调节和塑造信息流？

3.

哪些因素影响航空领域人机团队中SSA的形成和维持？

在此背景下，本研究对安全关键航空领域中人机团队中的SSA进行了系统回顾。回顾结果表明，SSA不是静态的，而是通过信息特征、交互机制和情境影响因素的动态耦合形成的，并在人机操作的反复对齐、中断和重建阶段得到维持和发展。研究提出了几项对理解人机团队中SSA有贡献的观点。首先，它将SSA从一个主要描述性的概念转变为一个综合分析视角，以理解人机团队中的协作认知和协调。其次，基于现有研究的结构化综合，它发展了一种解释性说明，说明共享理解如何在现实世界的人机操作中产生、分歧和修复。最后，这些见解被转化为面向设计和管理的启示，为未来航空系统中更安全和更具韧性的协作提供了概念基础。

方法部分

方法

系统回顾是一种结构化且客观的方法，用于在指定的范围和时间内识别、分析和综合关于明确定义的主题的研究证据，从而得出有根据的见解[39]。本研究遵循PRISMA（系统回顾和元分析的优先报告项目）指南进行，该指南为选择、提取和

构建SSA的信息基础

下面分析和讨论了构建SSA的信息基础，以及信息处理和技术在人机团队中促进SSA模型形成中的作用。

塑造SSA的交互机制

确保人类和AI之间信息的有效传输和共享对于实现一致的共享理解至关重要。这些交互机制不仅促进信息交换，还充当调节手段。作为信息流的核心渠道，交互机制通过交互模式、战略方法和动态过程来塑造这一过程。

影响SSA形成的因素

SSA的形成不是自动的，而是受到多种内部和外部约束的影响。确保人机混合智能团队的可靠性需要系统地识别这些影响因素并有意管理它们的影响。图6提供了与人机混合团队中SSA相关的因素的综合总结。以下讨论涉及三个相互关联的方面：个体、技术和环境。

人机团队中SSA的解释框架

在前几节的基础上，本研究提出了一个概念性和综合性的解释框架，以描述SSA在人机团队中的发展过程。该框架综合了回顾文献中发现的重复模式和交互动态，旨在支持概念理解和理论构建。从这个角度来看，回顾的文献共同将SSA描述为一个动态的、交互中介的、以韧性为导向的过程

讨论

本研究探讨了SSA在支持高风险航空运营中混合智能的人机团队中是如何形成和维持的。在三个相互关联的层面——信息基础、交互机制和影响因素的指导下，本研究发展了一种综合理解。通过综合这些层面的证据，该研究提出了一个解释框架，说明了SSA如何随时间产生、退化和重建

结论

本研究对安全关键航空系统中人机混合智能中的SSA进行了系统回顾。通过综合多个视角的证据，回顾阐明了SSA在动态和不确定条件下实现人类操作员与智能系统有效协调中的核心作用。研究发现表明，尽管在不同运营环境中存在差异，但与SSA相关的挑战表现出重复的模式，包括认知

CRediT作者贡献声明

李东林：撰写——初稿、方法论、调查、正式分析、数据管理、概念化。李明瑞：撰写——初稿、调查、数据管理。王佐旭：撰写——审稿与编辑、监督、项目管理、概念化。李凡：撰写——审稿与编辑、监督、项目管理、方法论、资金获取、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。作者声明以下财务利益/个人关系可能被视为潜在的竞争性利益：李凡报告称获得了国家自然科学基金的支持；李凡还报告获得了香港特别行政区政府研究资助委员会的支持