影响对人工智能决策支持系统依赖度的关键因素.pdf

影响对人工智能决策支持系统依赖度的关键因素.pdf
这份文档是一篇关于人工智能(AI)辅助决策的研究论文,重点关注了在战略游戏 Connect Four 中,人类如何恰当依赖 AI 辅助的因素。论文研究的核心议题包括: **1. 研究背景与目的:** * 随着深度学习的发展,AI 在多个领域取得突破,但其决策过程的“黑盒”性质带来了挑战。 * 研究旨在探讨如何让人类更好地利用 AI 辅助,特别是如何在有不确定性的环境下信任 AI 的建议。 * 研究主要关注人类与 AI 团队合作的团队表现,并且量化分析了影响用户对 AI 建议的依赖程度、信任度和团队表现的影响因素。 * 研究平台为 Connect Four 游戏,通过操纵 AI 顾问的技能水平、输出信息(如概率分布、前 3 推荐)以及建议的时间顺序,来研究其对用户表现的影响。 **2. 核心研究问题:** * 人类在何时、如何以及为何恰当依赖 AI 顾问? * 影响人类对 AI 信任度的关键因素是什么? * 不同的 AI 建议展示方式(例如概率分布、前三名推荐)对用户行为的影响。 * AI 顾问技能水平对团队表现的影响。 * 人类在与 AI 顾问产生意见分歧时,如何以及为何做出选择。 **3. 研究方法:** * 实验设计采用 Connect Four 游戏,参与者分为对照组和实验组,实验组接受不同类型和技能水平的 AI 顾问建议。 * 实验测量了: * 人类技能(初始选择与最佳选择的匹配程度)。 * AI 顾问技能(AI 建议与最佳选择的匹配程度)。 * 团队技能(最终团队选择与最佳选择的匹配程度)。 * 适当接受(人类采纳了与最佳选择一致的 AI 建议的比例)。 * 适当拒绝(人类拒绝了与最佳选择不一致的 AI 建议的比例)。 * 游戏时长。 * 主观信任度。 * 自我信心。 * 归因。 * 使用混合效应贝叶斯回归分析,分析了数据。 **4. 主要研究发现:** * AI 顾问的技能水平是团队表现的最重要预测指标。 * AI 辅助建议总体上提高了团队技能,但人类并未完全掌握从 AI 顾问处学习的能力。 * 具有较高主观数字能力的人能够更好地使用 AI 建议。 * 显示 AI 顾问的概率分布(与仅仅显示最佳建议相比)没有对用户行为产生显著影响。 * 在游戏的不同阶段,人类对 AI 建议的依赖度和信任度会发生变化,尤其是在对手技能水平变化时。 * 在与容易对手比赛时,玩家更愿意采纳 AI 的建议;在与困难对手比赛时,玩家会更加谨慎,或者不采纳 AI 的建议。 * 人类在与 AI 顾问产生意见分歧时,会更多地倾向于依赖高技能的顾问。 **5. 结论和启示:** * 为了让人类更好地利用 AI 辅助决策,需要在设计中考虑影响人类对 AI 信任度的因素。 * AI 系统应该能够展示其能力,帮助用户校准对 AI 建议的信任度。 * 需要对在团队表现和收益影响,在不同场景下的研究结果差异进行量化分析,以帮助政策制定者更好地规划和部署 AI 决策支持系统。 * 未来研究方向包括探索增加人类对 AI 学习和信任的方法,例如详细的培训和数据透明性。 * 论文强调,AI 系统在实际应用中的价值将取决于人类如何理解和利用 AI 顾问。
下载完整报告 | 4.64 MB | 304页
阅读和下载会消耗积分;登录、注册、邀请好友、上传报告可获取积分。
成为VIP会员可免费阅读和下载报告