人机协同决策中的人因能力评估研究

doi:10.16381/j.cnki.issn1003-207x.2021-2403

摘要/Abstract

摘要：

随着人工智能技术的发展，人类做出正确的抉择越来越依赖机器智能。机器智能的演进正在发生从检测识别人到感知理解人的变革，人机协同性能也随之跃迁。本文从人机协同的视角重新审视决策模式的演化进程，提出了人因能力的定义，指出了人因能力的可度量性、个体差异性、动态性、强关联性等主要特征，建立人因能力计算模型，并对各指标进行测度，提出融合能力量表的人因能力评估方法。以人因能力聚焦人与机器协同决策的任务场景，充分考虑人的特性和因素下研究人与机器、环境的交互活动。最后通过具体的应用场景对人因能力评估方法的可行性和有效性进行分析，并展望了人因能力的研究方向，以期为解决人工智能时代人机协同决策问题提供理论及实践参考。

关键词: 人机协同, 协同决策, 人因能力, 人的因素

Abstract:

With the development of artificial intelligence technology， humans are increasingly dependent on machines intelligence to make the correct decisions. The evolution of machine intelligence is changing from detecting and recognizing human beings to perceiving and understanding human beings. The evolution process of decision-making model from the perspective of human-machine collaboration is reviewed， the definition of human factors capability is proposed and the characteristics such as measurability， individual differences， dynamics， and strong correlation are pointed out. Thus a calculation model of human factors capability is established and each index is measured. A human factors capability assessment method that incorporates a capability scale is proposed. The task scenarios of human-machine collaborative decision-making with human factor capabilities are focused on， and the interactive activities of human， machine， and environment are studied with full consideration of human characteristics and factors. Finally， the feasibility and effectiveness of the human factor capability assessment method is analyzed in specific application scenarios. This paper also look forward to the research directions of human factors capability research， in order to providing theoretical and practical references for solving the problem of human-machine collaborative decision-making in the era of artificial intelligence.

Key words: human-machine collaboration, collaborative decision-making, human factors capability, human factors

中图分类号:

C931.2

李祥文,宋程,丁帅. 人机协同决策中的人因能力评估研究[J]. 中国管理科学, 2024, 32(3): 145-155.

Xiangwen Li,Cheng Song,Shuai Ding. Human Factors Capability Assessment in Human-machine Collaborative Decision-making[J]. Chinese Journal of Management Science, 2024, 32(3): 145-155.

图/表 4

图1

图2

表1

表2

参考文献 30

1	孔祥维，唐鑫泽，王子明.人工智能决策可解释性的研究综述［J］.系统工程理论与实践， 2021， 41（2）： 524-536.
	Kong X W， Tang X Z， Wang Z M. A survey of explainable artificial intelligence decision［J］.Systems Engineering-Theory & Practice， 2021， 41（2）： 524-536.
2	Jussupow E， Spohrer K， Heinzl A， et al. Augmenting medical diagnosis decisions？ an investigation into physicians’ decision-making process with artificial intelligence［J］. Information Systems Research， 2021， 32（3）：713-735.
3	于辉，宫雨，李勇. 供应链合作管理的新途径：智慧契约设计［J］. 中国管理科学， 2023， 31（10）： 20-29.
	Yu H， Gong Y， Li Y. A novel approach to supply chain cooperative management： the design of intelligent contract［J］. Chinese Journal of Managemet Science， 2023， 31（10）： 20-29.
4	Peternel L， Tsagarakis N， Ajoudani A. A human–robot co-manipulation approach based on human sensorimotor information［J］. IEEE Transactions on Neural Systems and Rehabilitation Engineering， 2017， 25（7）： 811-822.
5	Crandall J W， Oudah M， Ishowo-Oloko F， et al. Cooperating with machines［J］. Nature Communications， 2018， 9（1）： 1-12.
6	Dehaene S， Lau H， Kouider S. What is consciousness， and could machines have it？［J］. Science， 2017， 358（6362）： 486-492.
7	Peternel L， Tsagarakis N， Caldwell D， et al. Robot adaptation to human physical fatigue in human-robot cmanipulation［J］. Autonomous Robots， 2018， 42（5）： 1011-1021.
8	Xiong W， Fan H， Ma L， et al. Challenges of human-machine collaboration in risky decision-making［J］. Frontiers of Engineering Management， 2022（9）： 1-15.
9	Huang H， Rau P L P， Ma L. Will you listen to a robot？ Effects of robot ability， task complexity， and risk on human decision-making［J］. Advanced Robotics， 2021， 35（19）： 1156-1166.
10	董文莉，方卫宁. 自动化信任的研究综述与展望［J］. 自动化学报， 2021， 47（6）： 1183-1200.
	Dong W L， Fang W N. Trust in automation： research review and future perspectives［J］. Acta Automatica Sinica， 2021， 47（6）： 1183-1200.
11	Shirado H， Christakis N A. Locally noisy autonomous agents improve global human coordination in network experiments［J］. Nature， 2017， 545（7654）： 370-374.
12	孙盛智，孟春宁，侯妍，等.有人/无人机协同作战模式及关键技术研究［J］. 航空兵器， 2021， 28（5）： 33-37.
	Sun S Z， Meng C N， Hou Y， et al. Research on the collaborative operational mode and key［J］. Aero Weaponry， 2021， 28（5）： 33-37.
13	Jarrahi M H. Artificial intelligence and the future of work： human-AI symbiosis in organizational decision making［J］.Business Horizons，2018，61（4）： 577-586.
14	Haesevoets T， De Cremer D， Dierckx K， et al. Human-machine collaboration in managerial decision making［J］.Computers in Human Behavior， 2021， 119： 106730.
15	Illankoon P， Tretten P， Kumar U. Modelling human cognition of abnormal machine behaviour［J］. Human-Intelligent Systems Integration， 2019（1）： 3-26.
16	Rahwan I， Cebrian M， Obradovich N， et al. Machine behaviour［J］. Nature， 2019， 568（7753）： 477-486.
17	McFarland R A. Human factors in air transport design［M］.New York： McGraw-Hill Book Company， 1946.
18	陈善广，李志忠，葛列众，等. 人因工程研究进展及发展建议［J］. 中国科学基金， 2021， 35（2）： 203-212.
	Chen S G， Li Z Z， Ge L Z， et al. Research progress and development suggestions on human factors engineering［J］. Bulletin of National Natural Science Foundation of China， 2021， 35（2）： 203-212.
19	Lu P， Li L， Ma L. Online service quality measurement utilizing psychophysiological responses［C］//Proceeding of the International Conference on Applied Human Factors and Ergonomics，Washington DC USA， July 24-28， Springer， 2019： 347-352.
20	Peternel L， Tsagarakis N， Caldwell D， et al. Robot adaptation to human physical fatigue in human–robot co-manipulation［J］. Autonomous Robots， 2018， 42（5）： 1011-1021.
21	Pan D， Zhang Y， Li Z. Predictive capability of cognitive ability and cognitive style for spaceflight emergency operation performance［J］. International Journal of Industrial Ergonomics， 2016， 54： 48-56.
22	潘煜，万岩，陈国青，等. 神经信息系统研究：现状与展望［J］. 管理科学学报， 2018， 21（5）：1-21.
	Pan Y， Wang Y， Chen G Q， et al. Current situation and prospects of neuro information systems［J］. Journal of Management Science In China， 2018， 21（5）： 1-21.
23	Cahlíková J， Cingl L， Levely I. How stress affects performance and competitiveness across gender［J］. Management Science， 2020， 66（8）： 3295-3310.
24	姜树广，韦倩，沈梁军. 认知能力、行为偏好与个人金融决策［J］. 管理科学学报， 2021， 24（1）： 19-32.
	Jiang S G， Wei Q， Shen L J. Cognitive ability， behavioral preference and individual financial decision-making［J］. Journal of Management Science In China， 2021， 24（1）： 19-32.
25	Shields G S. Stress and cognition： a user’s guide to designing and interpreting studies［J］. Psychoneuroendocrinology， 2020， 112： 104475.
26	孙博华，邓伟文，吴坚，等. 驾驶人纵侧向驾驶能力评价方法研究［J］. 北京理工大学学报， 2019， 39（11）： 1149-1154.
	Sun B H， Deng W W， Wu J， et al. Evaluation method for driving capability in the longitudinal and lateral scenarios［J］. Transactions of Beijing Institute of Technology， 2019， 39（11）： 1149-1154.
27	Li Z， Rau P L P， Huang D. Who should provide clothing recommendation services： artificial intelligence or human experts？［J］. Journal of Information Technology Research， 2020， 13（3）： 113-125.
28	Haque A， Milstein A， Fei L. Illuminating the dark spaces of healthcare with ambient intelligence［J］. Nature， 2020， 585（7824）： 193-202.
29	Sun B， Deng W， Wu J， et al. An intention-aware and online driving style estimation based personalized autonomous driving strategy［J］.International Journal of Automotive Technology， 2020， 21（6）： 1431-1446.
30	National R C. Measuring human capabilities： an agenda for basic research on the assessment of individual and group performance potential for military accession［M］. Washington， D.C.： National Academies Press， 2015.

合成方法	指标间关系	补偿作用	合成原则
加法	独立	线性补偿	突出主要指标
乘法	相关	很少补偿	指标间并列
代换法	相关	完全补偿	主要指标决定
模糊取大取小	独立	非补偿	重视次要指标

[1]	王红卫, 李珏, 刘建国, 樊瑛, 马靓, 霍红, 刘作仪, 丁烈云. 人机融合复杂社会系统研究[J]. 中国管理科学, 2023, 31(7): 1-21.
[2]	于辉,宫雨,李勇. 供应链合作管理的新途径：智慧契约设计[J]. 中国管理科学, 2023, 31(10): 20-29.
[3]	田军, 田晨, 董赞强. 基于期权合约的供应链协同决策研究[J]. 中国管理科学, 2020, 28(11): 100-109.
[4]	付秋芳, 赵淑雄. 基于多目标二层规划的服务供应链服务能力协同决策模型[J]. 中国管理科学, 2012, 20(6): 61-69.
[5]	陈国权. 我国企业实施并行工程中人的因素研究[J]. 中国管理科学, 1999, (2): 24-29.