随着智能技术在内容产业的渗透，新闻的生产与消费正进入人机协同的新阶段。人机协同的研究在技术界已有60多年历史，但对于新闻业来说，它是近十多年才浮现出来的新问题。如何将抽象的人机协同理念转化为实践中的具体操作模式与机制，实现人与机器的有效分工、协作，以及人与机器的相互监督、校正，仍需要长时间的探索。 一、人机协同：新闻业遭遇的新问题 人机协同的思想源于美国计算机科学家、心理学家J.C.R.利克莱德(Licklider，J.C.R.)在1960年发表的《人机共生》(Man-Computer Symbiosis)一文，这被视为人机协同领域的奠基性文献。那时整个计算机技术的应用还在初级阶段，人工智能概念也刚出现不久，但利克莱德看到了人与机器各自的局限，因此提出了“人机共生”这一关系模式。他指出，人机共生旨在实现人类与电子计算机之间的协作互动，人与机器将形成紧密耦合的伙伴关系，其主要目标在于：其一，使计算机不仅能辅助解决既定问题，更能促进人类形成构思性思维；其二，让人类与计算机能够在决策和管理复杂情境时实现协同合作，摆脱对预设程序的僵化依赖。对于这种共生伙伴关系的预期是，人类将负责设定目标、构建假设、确定标准并进行效果评估，计算机则完成那些为技术和科学的洞察与决策铺路的必要的、常规化工作。①他说的人机共生，实质上就是人机协同。 在包括利克莱德在内的很多研究者眼里，人机协同的一个重要目标是实现人类智慧增强。1962年，道格拉斯·恩格尔巴特(Douglas Engelbart)发布了报告《增强人类智慧：一个概念框架》，指出所谓的“增强人类智慧”，是指提高人类处理复杂问题情境的能力，获得满足其特定需求的理解力，以及推导出问题解决方案的能力。具体体现为：更快的理解速度、更好的理解质量、在以往因过于复杂而无法理解的情境中获得有效理解的可能性、更快的解决方案、更好的解决方案，以及找到解决以往看似无解之难题的可能性。②道格拉斯·恩格尔巴特被称为“鼠标之父”，他还推动了图形化界面、超文本、视频会议、实时协同编辑等概念与技术的发展，在人机交互技术方面享有盛誉，他也是互联网早期建设的参与者之一。但他对人机关系的思考，并没停留在人机的工具性互动层面，而是上升到利用机器实现人类智慧增强这一高度。 在不同方向和任务中，人机协同的方式和层次不尽相同，机器参与的程度也有差异。R.帕拉苏拉曼(R.Parasuraman)和T.B.谢里丹(T.B.Sheridan)等学者2000年发表的论文《人与自动化机器交互的类型与层级模型》，将机器介入程度分为十级。一级：计算机不提供任何帮助；二级：计算机提供完整的决策/行动备选方案列表；三级：计算机将选择范围缩小至几个方案；四级：计算机建议一个最佳方案；五级：计算机建议一个方案，并在人类明确批准后执行；六级：计算机允许人类在有限时间内否决，否则自动执行；七级：计算机自动执行，且必须通知人类；八级：计算机自动执行，只有在人类询问时才告知；九级：计算机自动执行，并且只有当它自己觉得有必要时才告知人类；十级：计算机决定一切并自动行动，完全忽略人类。③在该文中，作者还分析了信息处理不同阶段所适合的自动化等级情形。后文将进一步介绍。 与人机协同相关的一个重要研究领域，是人机信任，即人与机器之间能否相互信任的问题，人机互信是人机协同的基础。人机信任的研究可以追溯到20世纪70年代，早期研究主要出现在军事、航空、自动化等领域，20世纪90年代，与计算机系统相关的人机信任研究逐步涌现。在很长一段时间内，人机信任的研究更多聚焦人对机器的信任问题，即人可以在哪些方面、在什么样的程度上信任机器，如何判定机器是否可信。 2004年，J.D.李(J.D.Lee)等人发表了《自动化信任：面向适当依赖的系统设计》一文，这是人机信任领域最具代表性的文献之一。文中指出，信任不是越高越好，而是要与机器的能力相匹配，人对机器的依赖应是“适度”的。作者还指出了人们信任与使用机器时两种常见的问题，其一为“误用”和“过度信任”(Misuse/Overtrust)，即机器能力很差而人们盲目信任，其二为“弃用”与“不信任”(Disuse/Distrust)，即机器能力强而人们对它不信任。④这提示我们，人类形成对机器恰当信任的核心，是需要了解机器的能力，包括其优势与局限。 在上述论文中，作者还提出了影响信任形成的因素模型。该模型指出，自动化信任及其对行为的影响取决于操作者、环境、自动化和界面之间的动态交互。2015年，K.A.霍夫(K.A.Hoff)、M.巴希尔(M.Bashir)发表的论文《自动化信任：影响信任因素的实证证据综述》，对J.D.李等人的研究做了进一步发展。他们基于既往的127项实证研究，总结出了三层信任模型，即影响用户对机器信任三个层面的因素，分别为：特质性信任(Dispositional Trust)，它包括用户的性别、年龄、性格、文化背景等因素；情境性信任(Situational Trust)，包括外部(如系统类型、系统复杂度、任务复杂度、工作负荷等)与内部(如自信心、专长、情绪)等两大类等；习得性信任(Learned Trust)，即用户在和机器互动过程中获得的信息，包括产品既往名声、系统表现、交互历史等。⑤这两个模型可以帮助我们从更多维度认识影响人对机器信任的因素，也让我们意识到，人机信任是动态的，在每一个人机互动过程中，人都需要对机器可信度做出判断，而不能仅根据以往经验进行推断。《为什么我们要相信你?对任意分类器预测的可解释方法》一文，也是人机信任领域代表性研究之一。文中指出，可解释性是让用户信任模型的关键，尤其在决策需要人机协同时。⑥可解释性也是当前算法开发中被频频提到的一个原则。
