空中交通管制员需要解释吗？为什么？面向冲突解决建议的以管制员为中心的可解释人工智能

对可解释人工智能（XAI）的兴趣正在激增。先前的研究主要关注系统生成解释的能力，通常由研究人员的直觉而非最终用户的需求来引导。遗憾的是，与黑箱基线（即无解释）相比，此类方法并未产生令人满意的结果。为弥补这一差距，本文倡导一种以人为中心的方法，将焦点转向空中交通管制员（ATCO），提出一个根本性但被忽视的问题：空中交通管制员需要解释吗？如果需要，为什么？本文综合了来自空中交通管理（ATM）、人机交互和社会科学的见解，以提供对 ATM 中 XAI 挑战与机遇的整体理解。对 11 项 ATM 运行目标的评估揭示，当空中交通管制员旨在为未来参考或报告生成而记录决策和理由时，对解释存在明确需求。相反，当他们的冲突解决方法与人工智能（AI）建议一致时，管制员寻求解释的可能性较低。虽然这是一项初步研究，但研究结果有望激发对以管制员为中心的 XAI 系统设计进行更广泛、更深入的探究，为 ATM 中更有效的人机交互铺平道路。