面向欺骗情境的人类-AI 协作：基于隐式 BCI 的虚拟现实中无人机团队性能保障
人机交互
2025-12-16 v2
摘要
在反馈错误的情况下，人类-AI 团队可能面临严重失败，尤其是在高认知负荷下。传统的团队聚合方法（如投票）容易受到这些 AI 错误的影响，这些错误会主动偏向每个人的行为，并增加错误团队决策的可能性。我们假设，一种协作性脑机接口 (cBCI) 可通过在行为决策之前收集的神经活动提供一个与该偏向行为“解耦”的信息来源，从而保护团队免受 AI 错误的负面影响。我们在一个面向 VR 无人机监视任务的环境中进行测试，其中团队成员面临高认知负荷和系统性误导性 AI 提示。使用经离线模拟验证的被动 BCI (pBCI) 框架，我们将传统基于行为的团队策略与仅使用来源于决策前 EEG 的 BCI 置信度分数的纯粹神经解耦团队 (NDT) 进行比较。在 AI 欺骗情境下，基于行为的团队出现灾难性失败，多数投票准确率降至 42.6%（低于随机水平）。相比之下，NDT 保持了稳健的 68.3% 准确率。虽然这未超过最佳个体的理论最大值，但提供了关键的 +25.7% 的“安全盾增量”，防止团队屈服于相关错误。我们解释了这种韧性来自神经-行为解耦：BCI 的预测依赖于保存的后视觉处理（“真相信号”），而操作员的执行监控系统则崩溃。我们得出结论，隐式 BCI 通过学习规避受损的执行网络，访问保存的感官真相表征，从而在高风险环境中抵御 AI 引起的错误。
引用
@article{arxiv.2511.19312,
title = {Human-AI Teaming Under Deception: An Implicit BCI Safeguards Drone Team Performance in Virtual Reality},
author = {Christopher Baker and Stephen Hinton and Akashdeep Nijjar and Riccardo Poli and Caterina Cinel and Tom Reed and Stephen Fairclough},
journal= {arXiv preprint arXiv:2511.19312},
year = {2025}
}
备注
30 pages, 19 figures