人工智能的快速发展正在重新定义人机交互模式，推动系统从人类操控工具向人机协作伙伴关系转变——人类与人工智能作为近端协作伙伴共同达成卓越成果。传统人机协作将机器视为从属辅助工具，但人工智能日益增强的自主性要求建立新的协同效能范式，尤其在复杂作战环境中。本文主张将人机协作概念集成至支持"实况、虚拟与建构"范式的建模与仿真框架，该范式是国防部训练、评估与任务演练的基石。随着国防部门与工业界优先推进人工智能应用，现行建模仿真方法与实况虚拟建构体系缺乏表征人机协作动态的保真度，存在无法应对现实应用的风险。集成这些概念对提升训练质量、优化系统设计以及确保仿真互操作性标准演进以满足新兴需求至关重要。本文提出利用实况虚拟建构环境通过混合仿真探索人机协作——结合实况人机交互、虚拟场景与建构模型——同时评估高层体系架构与分布式交互仿真等标准的适应性。将人机协作集成至实况虚拟建构的建模仿真体系有望填补关键空白，为增强基于人工智能的作战行动提供更有效准备，并为推进仿真能力提供路线图。

人工智能日益广泛的应用正推动从传统人机协作向人机协作伙伴关系的转变，人类与人工智能系统作为近端伙伴协同实现共同目标。然而，必须明确区分人机团队、人机协作团队及其运作的人工智能增强环境。人工智能的加速应用显著改变着人机交互的本质。尽管历史上人机协作主要体现为人类将机器作为工具使用，但人工智能的最新进展推动了向人机协作的演进。在此范式中，人类与人工智能系统作为近端伙伴协同作战，发挥各自优势并合作达成共同目标。必须认识到人机协作代表特定形式的人机协作，其特点在于人工智能系统在团队中展现出的高度自主性与责任共担。

人类与机器可能在人工智能深度塑造的环境中运作，例如含人工智能实体的仿真系统、人工智能驱动的决策支持系统或集成人工智能的真实环境（如自主载具、智慧城市）。本文聚焦于人类与人工智能相互依赖履行角色并完成集体任务的交叉领域。尽管人类可能与各类精密程度不同的机器协作，我们关注的是能理解语境、制定决策并从经验中学习的人工智能系统，因此将其与缺乏这些认知功能的基础自动化系统或机器区分。图一阐释了各类人机交互关系，重点呈现人工智能的作用。该示意图描绘定义人机协作谱系的三个关键维度：

1. 自主性层级：表征机器执行任务的独立程度；
2. 机器采用认知方法：标示机器在运作中是否运用学习、决策与问题解决等认知过程；
3. 人机交互类型：涵盖：• 人机集成：人类将机器作为工具使用的基础交互；• 人机智能集成：涉及人工智能技术的交互，人工智能主要辅助人类任务；• 人机团队协作：人类与机器作为协调团队共同工作的协作式交互，但机器角色仍以支持为主；• 人机协作伙伴关系：最高层级的协作，以人类与人工智能系统间的近端伙伴关系为特征，包含决策权与责任共担。

复杂性在于这些界限并非总是清晰，且不同类型的人机交互可能存在重叠。例如，每类交互的具体特征将因使用场景、所涉人工智能技术及预期人类参与程度而异。我们主要关注人机协作伙伴关系型协作，尤其在其所谓人工智能增强型实况、虚拟与建构环境中的影响。需理解虽然交互是协作的必要组成部分，但并非所有交互都构成协作。在协作过程中，人类与人工智能系统作为真实伙伴运作，共享目标、责任与决策权（奥尼尔、弗拉特曼、麦克尼斯与萨拉斯，2023年）。作为真实协作者的人工智能系统具有能动性及学习适应能力。因此，诸如实况虚拟建构训练等活动若期望实现人机协作，必须强调相互依赖性、互信与共识理解。在此背景下，人机协作是人类与人工智能系统间深度协作的关系，双方共同致力实现统一目标。为区分人机协作伙伴关系与其他形式的人机协作，需考量：

• 人工智能自主性层级：相较人类自主性交互，人机协作伙伴关系涉及更高水平的人工智能自主性与责任共担；
• 协作焦点：人机协作伙伴关系强调真实协作与伙伴关系，而人类自主性交互及人类监督的机器间协作更侧重人类控制与系统可靠性；
• 决策权威：在人机协作伙伴关系中，决策权威常由人类与人工智能共享，其他模式中人类保留主导控制权；
• 复杂性：训练与作战环境中的人机协作伙伴关系呈现独特挑战，源于人工智能实体精密程度提升、人类与人工智能决策要素间交互作用，以及对稳健信任与协作的需求。

在人工智能增强环境中实现有效人机协作，需要深度理解人类认知、行为与社会动态，以及人工智能系统的能力局限及其对环境的影响（美国国家科学、工程与医学院，2021年）。既往团队效能研究表明："人工智能系统要成为团队组成部分，必须具备运作中的相互依赖性及执行中的自主性"（美国国家科学、工程与医学院，2021年）（雷耶斯、丁与萨拉斯，2019年）（萨拉斯、库克与罗森，2008年）。达成此层级协作与自主性，需要精细把握人类与人工智能系统如何在动态且日益复杂的环境中有效协同。