数字技术与应用杂志社

摘要：<正>为探究人机强合作系统中人工智能（AI）失效对人作业负荷的复杂影响，本文基于认知负荷理论及NASA-TLX评估方法，从人类适应性行为、任务依赖性、非线性响应3个角度，分析AI失效引发作业负荷剧增的内在机制。以自动驾驶和医疗诊断为例，揭示AI失效对人类操作员负荷管理的重要性，针对传统线性模型的局限性，提出融合深度学习与强化学习的动态预测模型，通过MLP非线性建模、RL适应性算法、GNN依赖性建模及多源数据融合，构建可实时预测负荷变化的精准模型。结果表明，作业负荷响应呈非线性特征，传统模型易误判压力场景下的负荷峰值，本文提出的动态模型为精准评估负荷趋势提供核心支撑，对人机系统风险管控具有指导意义。

专辑： 信息科技

专题： 自动化技术

分类号： TP18