快速准确地应对威胁和不确定性的能力对于任务结果和生存力都至关重要。这样的系统从来都不是真正自主的,通常作为人机团队的一部分运作。人工智能代理 (IA) 已被提议作为帮助管理此类团队的工具;例如,向人类操作员建议潜在的行动方案。然而,由于缺乏信任,它们往往未得到充分利用。设计透明的代理(可以传达至少一些关于其内部推理过程的信息)被认为是一种增加信任的有效方法。人们如何与这种透明信息交互以获得态势感知同时避免信息过载目前是一个尚未探索的课题。在本文中,我们通过研究两种形式的透明度来部分回答这个问题:顺序透明度,要求人们按照固定顺序逐步浏览 IA 的解释;需求驱动的透明度,允许人们根据需要请求信息。在使用多车辆模拟的实验中,我们的结果表明,需求驱动的交互提高了操作员对系统的信任,同时保持了甚至有时提高了性能和可用性。