基于EEG网络度量方法的实时信任推断在人自主组合中
Gregory Bales1, Allison P A Hayman2, Torin K Clark2
1Cyber-Human-Physical Systems Lab, Department of Mechanical and Aerospace Engineering, University of California, Davis, Davis, CA, United States.
Frontiers in neuroergonomics
|October 9, 2025
概括
衡量人类对自主系统的信任对于有效的人类-人工智能合作至关重要. 使用大脑区域相互作用的新脑电图 (EEG) 分析方法显示,对持续的,不引人注目的信任评估有希望.
科学领域:
- 人与计算机的交互
- 神经科学是一个神经科学.
- 人工智能的人工智能
背景情况:
- 有效的人类-自主系统协作取决于相互信任.
- 人类专业知识对于超出预编程能力的复杂任务至关重要.
- 自主系统需要理解人类的认知状态,包括信任,以实现最佳交互.
研究的目的:
- 通过电脑电图 (EEG) 测量来确定人类对自主系统的信任.
- 评估用于信任评估的先进EEG分析技术.
- 探索道间连接网络指标的实用性.
主要方法:
- 使用电脑电图 (EEG) 来测量人类的认知状态.
- 应用传统的EEG信号功率分析.
- 运用道间连接网络指标来分析大脑区域之间的相互作用.
主要成果:
- 人类对自主系统的信任可以通过EEG连续和不引人注目地测量.
- 考虑到大脑区域相互作用的分析技术优于传统的EEG功率分析.
- 道间连接网络指标更好地捕捉与信任相关的认知活动.
结论:
- 先进的EEG分析,特别是网络指标,为人类-人工智能团队的实时信任评估提供了一种卓越的方法.
- 持续且不引人注目的信任监控可以提高人自主系统的性能.
- 这项研究为更复杂,更可靠的自主系统铺平了道路.
