机器里的飞行员：谁在控制自动驾驶？

「人类飞行员和自动驾驶系统的关系，从来不是谁取代谁，而是一场持续百年的权力博弈。」——这是航空心理学家对现代驾驶舱的精准概括。当你下次登机时，可能没意识到：真正握着操纵杆的，是一套比你想象中更"有主见"的算法。

一张图看懂：驾驶舱的权力地图

[此处应插入驾驶舱人机交互示意图，展示飞行员与自动驾驶系统的控制层级关系]

现代民航客机的驾驶舱里，实际上存在三层"决策者"：飞行员、飞行管理系统（FMS）以及底层的电传操纵计算机。这不是简单的上下级关系，而是一个动态的权力分配网络。

以空客A350为例，当飞行员推动侧杆时，输入并非直接传递到舵面，而是先经过计算机的"解读"。系统会判断：这个指令是否超出安全包线？是否与自动驾驶目标冲突？在极端情况下，计算机甚至可以"拒绝"飞行员的输入——2015年德国之翼空难后，这种设计引发了激烈争议：保护机制本身，是否也可能成为风险源？

从"辅助"到"主导"的边界漂移

自动驾驶技术的演进，本质是控制权的渐进转移。20世纪70年代的自动油门只是减轻飞行员体力负担；如今的自动着陆系统，则能在能见度为零的情况下完成精密进近。波音与空客的技术路线差异尤为关键：波音保留了更多人工超控权限，而空客的"硬包线"设计将更多决策权交给软件。

这种差异在紧急情况下会产生截然不同的结果。2009年法航447空难中，皮托管结冰导致空速指示失效，自动驾驶仪自动断开——这本应是交还人类控制的信号，但机组人员面对多重故障警报，最终未能正确识别失速状态。事故调查报告揭示了一个悖论：飞行员过度依赖自动化，导致基本飞行技能退化；而自动化系统的突然退出，又让他们暴露在超出训练负荷的认知压力下。

算法有"偏见"，数据有盲区

机器学习驱动的下一代自动驾驶系统，正在引入新的不确定性。传统飞控软件基于明确的物理规则编写，而神经网络从海量飞行数据中提取模式——这意味着，系统的行为可能超出设计者的预期解释范围。

2023年，美国联邦航空管理局（FAA）针对某型飞机的自动改出系统发布适航指令，原因是该系统在特定风切变条件下表现出"非预期特性"。更深层的问题在于：训练数据主要来自正常飞行工况，极端罕见事件（"长尾场景"）的覆盖天然不足。当算法遭遇训练分布之外的输入时，其置信度与可靠性之间可能出现危险背离。

人机协同的未解命题

航空业正在探索"人机回环"（Human-in-the-Loop）的优化设计，核心挑战在于如何界定"何时交接、如何交接"。完全自动化看似消除了人为差错，却也可能制造新的系统性脆弱；保留人类监督则要求飞行员维持"时刻准备接管"的认知状态，这种心理负荷本身即是负担。

国际民航组织（ICAO）2024年发布的人机交互指南中，特别强调"模式意识"（Mode Awareness）——飞行员必须清楚知晓系统当前处于何种工作模式、何种权限层级。一项针对航线机组的研究发现，约30%的飞行中，飞行员对自动驾驶的具体子系统状态存在误判。

回到最初的问题：谁在控制飞机？答案或许是动态的——在平稳巡航时，算法主导；在系统边界模糊时，权力处于悬置状态；而在最终决断时刻，法律责任与道德重量仍落在人类肩上。技术哲学家布鲁诺·拉图尔曾将飞机描述为"人与非人行动者的集合体"，这一隐喻在自动驾驶时代愈发精确：飞行员从未离开驾驶舱，只是其角色从"操纵者"转变为"监控者"与"异常处理者"。

下一次航班广播响起"自动驾驶已接通"时，值得多想一层：这句平静的提示背后，是一套复杂系统的权力声明，也是人类与技术之间尚未终结的谈判。