人工智能（AI）日益融入各行各業，人類與智能系統之間的「人機協作」模式成為備受關注的議題。嶺南大學（嶺大）心理學系一項聯合研究發現，AI在員工工作量突然增加的「高壓」狀態下確實有助維持表現；然而，盲目提高AI的自主權，並讓其主動介入接管工作，或會削弱使用者對工作的掌握，未必能減輕負擔之餘，更會增加心理疲勞及「人機衝突」。學者指出，保留人類對工作分配的主導決策權，有助維持長遠工作表現及判斷能力。有關研究成果已刊登於國際知名跨學科學術期刊《國際人機互動期刊》（International Journal of Human-Computer Interaction）。
嶺大認知科學研究中心主任兼心理學系副教授徐傑教授與其合作研究團隊，以航空駕駛艙作為研究的測試場景，並採用美國太空總署（NASA）開發的多重任務模擬平台（Multi-Attribute Task Battery，MATB），模仿操作者需同時處理多重任務、要「一心多用」的工作場境，分析在不同工作量下，人類與智能系統分配決策權與控制權，會如何影響安全性、工作效率及使用者體驗。
研究團隊招募合共92名大學生進行兩輪實測，要求他們在模擬平台中同時執行三大任務——操控搖桿的「追蹤任務」、「系統監察」，以及「資源管理」。
首輪實驗旨在瞭解參與者的真實工作表現。結果發現，當參與者工作量急增時，需要持續控制及專注的「追蹤任務」表現明顯下降，操作準確度由百分之76下降至百分之55；而其他任務則未受明顯影響。研究團隊分析指出，員工在高壓的工作環境下，會將注意力優先分配給需要即時回應的離散性任務，而犧牲對連續性任務的投入，進而導致「追蹤任務」等持續監控類任務的表現下降。
在第二輪實驗中，團隊比較兩種不同的「人機權力分配模式」。第一種是「人類主導模式」，由操作者自行決定何時將工作交給智能系統跟進、何時取回控制權；第二種是「人類與智能系統共享控制權模式」，讓智能系統自動偵測工作量變化，主動接管或交還部分工作任務。
研究結果顯示，當工作量急升或出現緊急狀況時，「人類與智能系統共享控制權模式」能有效分擔人類壓力，有助維持穩定表現，避免操作者因負荷急升而出現明顯失誤。不過，當工作量回落時，「人類主導模式」的工作表現反而更好，因為智能系統主動接管工作後，有機會令操作者逐漸脱離實際操作狀態；當系統交還控制權時，使用者未必能即時重新掌握實際狀況，導致表現短暫下降。相反，由操作者自行決定何時交出或收回控制權，反而有助維持工作連貫性，並減少不必要的人機權限衝突。
研究亦發現，在長時間工作的情況下，「人類與智能系統共享控制權模式」的參與者在實驗後段出現較高的疲勞水平，其疲勞評分顯著高於人類主導組別，反映工作中更高程度的自動化，不一定能減輕心理負荷。
徐傑教授指出，引入智能系統的原意旨在協助人類高效處理海量數據，並應對複雜任務。但本次研究發現，大眾不能「一刀切」認為更高程度的自動化會令工作更輕鬆或帶來更好表現，尤其當智能系統自行決定何時接管工作時，操作者需持續監察系統運作、理解其決策邏輯，以及預測其下一步行動，這些額外認知需求可能會增加精神負荷。
徐教授表示：「若智能系統未能清楚向使用者解釋其判斷依據，容易引發人機認知落差，影響協作效果。因此，未來學能系統設計應根據工作情況靈活調整權限分配機制，在自動化效率與人類主導權之間取得平衡，以減少『人機衝突』；亦需要更重視透明度及『人機溝通』機制，讓使用者理解系統狀態和決策原因。」
他指出，有關研究發現對不同行業提供重要參考價值，包括未來的航空駕駛艙設計、遙距操作、智能交通及其他涉及高風險決策的「人機協作」場景。
本論文的合著作者還包括陝西師範大學的葛賢良女士和宋曉蕾教授，以及浙江大學的徐翰林先生、張科先生和倪昊先生。
有關研究《研究人機分工模式如何影響多重任務表現》全文，請瀏覽：Effects of Human–Automation Authority Allocation on Multitasking Performance under Workload Conditions
嶺大研究團隊以航空駕駛艙為測試場景，操作者需同時處理多重任務並分配決策權予智能系統以分析其表現變化。
嶺南大學認知科學研究中心主任兼心理學系副教授徐杰教授。
