与AI合作和为AI工作：自动驾驶汽车安全驾驶员的生活体验

文献标题

Work with AI and Work for AI: Autonomous Vehicle Safety Drivers’ Lived Experiences

文献信息

• 主题领域: 人机交互 (HCI)，自动驾驶安全，人工智能劳工
• 关键词: 自动驾驶、人工智能、人机交互、安全驾驶员、AI劳动、责任伦理、AI感知、AI教育

研究背景与问题

• 发现的问题或挑战:

  • 自动驾驶技术的发展催生了一种新职业——安全驾驶员。这些驾驶员需在现实世界的高风险交通环境中监督和操作自动驾驶汽车，但其工作实践和经验在HCI社区尚未得到深入研究。
  • 大多数与自动驾驶的人机交互研究基于实验室或短期观察，与真实世界的长期实践割裂。
  • 自动驾驶技术无法完美地处理所有公共道路上的情况，这将驾驶任务风险转嫁到安全驾驶员这一职业群体上。

• 重要性:

  • 理解安全驾驶员的实践、经验和挑战可以启发未来的人机交互研究，尤其是关于人类—AI交互中的长期体验。
  • 该研究揭示了基层劳动力如何在不断发展的人工智能社会中与技术互动。

• 研究动机与相关工作:

  • 目前研究多关注自动驾驶系统中的信任校准、情境意识和交接控制，却鲜有对实际安全驾驶员长期与自动驾驶系统交互的研究。
  • 与其他部分如AI用户体验、劳动者与AI的工作影响等相关探讨进行了结合。

解决方案

• 方法与解决方案:

  • 作者通过半结构化访谈调查了26位中国安全驾驶员的实际经验和工作实践。
  • 通过对安全驾驶员的人机交互和职业困境的深入分析，提供首个长期、真实世界场景下的经验性研究。

• 创新点:

  • 研究首次全面记录了自动驾驶研发中的首批乘客——安全驾驶员的生活体验。
  • 探讨了非技术用户学习AI知识的方式，以及自动驾驶车辆与人之间的互信与交互机制。
  • 提出了涉及责任分配和道德困境的关键职业挑战，反映AI在真实世界中设定中潜在的社会问题。

• 实施步骤与关键技术:

  • 半结构化访谈：分阶段收集安全驾驶员的工作实践、感知形成、与AI合作经历及福祉挑战。
  • 数据编码与主题分析：通过关键主题（例如工作实践、对AV的感知、工作福祉等）对访谈数据进行分类和分析。
  • 对比现有研究：将结果与实验室研究及短期观察进行比较以发现潜在差距。

研究成果

• 具体成果:

  • 解析了安全驾驶员如何调适对自动驾驶技术的认知，并在特定情况下做出接管决策。
  • 阐明了安全驾驶员与自动驾驶车辆的长时间交互中表现出的认知偏好、学习特点和合作模式。
  • 安全驾驶员承担了来自自动驾驶研发链中累积的风险，同时面临职业发展受限和边缘化问题。

• 优势:

  • 为自动驾驶领域提供了一线的真实反馈，揭示了实验室和真实环境之间的差距。
  • 提供了改善自动驾驶人与车协作关系以及提升工作者福祉的洞察。

• 实验或评估结果:

  • 访谈分析揭示了驾驶员在长时间交互中形成更准确的心理模型需要实践积累，而不是纯理论培训。
  • 实际道路驾驶中，紧急情况下安全驾驶员倾向于信任自己的直觉而非自动驾驶系统做出的决策。
  • 安全驾驶员的知识和技能发展受限制，难以获得更多职业成长或知识补充。

• 局限性与未来方向:

  • 局限性：样本规模有限，访谈参与者可能因工作敏感性而避免发表批评意见，导致结果的主观性和代表性不足。
  • 未来方向：扩展研究样本，包括自动驾驶技术其他相关人员；进行量化研究验证；探索更为有效的驾驶员培训与知识迁移策略。

参考文献

论文中列出了详细的参考文献列表，涉及自动驾驶技术、人工智能劳动、用户体验研究等多个领域重要的学术工作。