【心理學系訊】
 

2026年10月8日邀請國立陽明交通大學工業工程與管理學系的賴學儀副教授，其專業研究領域為認知／組織人因工程及使用者研究，而本次帶來的演講透過其專業的視角，探討汽車的自動駕駛系統在未來的各種潛在面貌。

從人因工程的角度出發，人們傾向以直覺性思考做出決策，即《快思慢想》所稱系統一的捷思（heuristic），而非深思熟慮而做成，人因工程就是在此前提做出適合人們使用的設計。

人在決策時有三個階段，包含看到資訊、理解資訊及做出決策。當人在駕駛時，會不斷地理解環境並做出決策，此類重複性的任務長時間下來常造成疲勞，並產生安全疑慮，因而促進了本次演講所關注的自動駕駛系統之誕生。

自動駕駛與人類的角色分配
在自動化系統當中，會以自動化的程度，也就是人類不須主動介入的程度，去將系統分為不同的等級；而在自動駕駛的領域中，經常參考的是美國 NHTSA (National Highway Traffic Safety Administration) 的標準，依自動化程度分為 Level 0~5，其中從 Level 3 開始進入自動化的分水嶺：大多數情況都由系統駕駛，僅在有例外或突發狀況時才由人類接手。

自動化系統的可靠度與可信度
賴教授說明曾有汽車在自動駕駛的狀態下偏離車道、撞上路上靜止的車輛，或 AI 代理人刪除公司內部資料等情形，然而隨著 AI 愈趨進步，出錯機率已漸漸降低。可信度則因使用者與政策而異，不同社會中的人們對於自動駕駛的接受度以及政策開放程度都有所不同，另外也涉及事故究責的問題，因此不僅多數汽車品牌在自家自動駕駛系統的等級宣稱上仍趨向保守，相關的政府法規與審查標準也仍屬嚴格。

賴教授認為未來自動駕駛的等級分類可能會有所改變，因為在目前責任歸屬尚不明的情形下，實際上 Level 2 與 Level 3 的差距比想像中還要大。或許當人們對於自動駕駛的信賴度提升，且使用者增加後，問題也能夠獲得更進一步的討論與緩解。

AI 時代的人機互動：從人類操作機器到機器理解人類 
接著，賴教授以 Norman (1986) 提出的 Gulf Theory 切入，介紹傳統人機互動的運作模式，並說明隨著 AI 技術發展，人機互動逐漸從人類主動操控、機器被動回應的模式，轉為機器主動理解人類需求與認知狀態並提供相關的協助。因此，研究者得以藉由蒐集個體的生理與行為數據，再經由機器學習技術，推估心理與認知狀態，而目前使用的相關測量技術包括：EEG、眼動追蹤、心臟活動及身體姿態分析。

眼動追蹤結合機器學習，探索駕駛的認知狀態
賴教授說明其研究主要採用眼球追蹤技術，透過蒐集眼球軌跡、眨眼與掃視等特徵，結合機器學習以預測駕駛疲勞、注意力和行動意圖，並另外向同學展示研究中的駕駛模擬機制，即時擷取受試者的眼動資料並分類出駕駛類型，如防禦型、積極型駕駛。

是否信任自動化駕駛？可靠性、信任與責任界線之討論
最後，演講內容從學術研究再次回到自動駕駛牽涉的安全與責任議題。賴教授認為，人類與機器之間的責任歸屬逐漸模糊，儘管自動駕駛系統已具備一定的可靠度，但使用者的理解與信任仍是關鍵。在 QA 環節，賴教授也分享自身觀察：媒體報導交通事故時，傾向將責任歸於自動駕駛系統，而此也可能影響大眾對此技術的觀感，因此建議搭配政策推動或更開放的討論，期能促進社會對自動駕駛的理解。

本次演講呈現了認知人因工程如何利用生理訊號，並結合 AI 相關技術，以更貼近使用者（駕駛人）的心理狀態，同時也提到了在自動化技術／系統的發展過程中，建立平衡的人機關係會是此領域持續努力的研究方向。

（撰文、攝影／陳宜均、沈彥妤、楊家瑜、林家維）