Feb, 2020

人类 - 算法交互决策的必要性：在算法评分错误的情况下

PDF
TL;DR该研究探讨了算法工具在儿童虐待热线筛选决策方面的应用，结果显示人类对机器的建议进行了更改，缺乏自主权的全自动化决策管道存在风险。
algorithmic predictionssensitive domainschild maltreatmentadoptionautonomy
发现论文，激发创造
  • 机器决策与人类后果

    本文探讨了机器学习如何工作以及如何制定公正和负责任的算法，重点考虑了在刑事司法系统中执行决策的案例，并对 HART 作为现实世界分类器的技术特征进行了说明和四个规范基准进行了评估。

    Nov, 2018

  • 算法自动化问题：预测、分流和人力投入

    本文描述了机器人决策背后的决策过程，提出了一个基于优化问题的框架来优化自动化任务， 在基于这个框架的基础上提高算法的制定和实践，实现自动化的快速和迅速发展。

    Mar, 2019

  • 区分不可区分的事物：算法预测中的人类专业知识

    将人类专业知识用于算法预测中，通过选择性地融入人类反馈来改进预测性能，证实专家的主观信息可以显著提高特定实例的算法预测准确性，从而实现有效的人工智能与人类的合作。

    Feb, 2024

  • 人类专业知识审计

    研究发现，即使在诊断精度高于人类专家的情况下，人类专家仍然可能会为高风险预测任务添加价值，并提出了一种统计框架来检测这种专家水平。这个框架在急诊科的数据上进行了测试。

    Jun, 2023

  • 误信：测量机器学习对人类决策的干扰

    研究人员探究了人们在处理两项困难任务时，对机器学习（ML）建议的信任程度；他们发现，即使人们了解这些任务，并给出了表明该系统不自信的信息，但在执行大部分时间正确的任务时，人们也会相信错误的 ML 建议，并且提供了四种不同类型的系统信息可增加人们对建议的信任，并且数学和逻辑技能对于使用 ML 建议的决策者来说可能与 ML 一样重要。

    May, 2020

  • 研究人类与机器的互补性用于累犯预测

    本研究通过对机器预测结果与多个 Turk 工人预测结果的比较，探讨了人机混合模型在预测再犯罪风险时的优劣势，旨在更好地利用人工智能和人工智能之间的互补优势，以更公平、准确地进行风险评估。

    Aug, 2018

  • 评估人类错误与完美基准的对比

    研究人类在制定决策时可能产生错误的情况，以国际象棋运动员的决策为例，从围绕技能、时间和决策难度三个方面特征进行分析，并且发现描述决策困难度的特征比技能或时间更有影响力。

    Jun, 2016

  • 高等教育决策中算法的人本评估

    本文对高等教育中决策制定算法进行了系统性的综述，发现这些算法趋向于深度学习和对学生的个人数据和受保护属性的使用，但当前算法的发展普遍缺乏以人为中心的理论，参与式或推测性设计，并探讨了这些趋势所带来的挑战，主张采用以人为中心的方法。

    Feb, 2023

  • 公平且无偏的算法决策制定：现状与未来挑战

    机器学习算法应用于如信贷贷款或刑法司法等关乎人类生活方面的情境，其所基于的数据若含有人类偏见决策，则会产生人类偏见决策，拥有公平观念的机器学习是一种解决方案，但是如何实现公平面临着 “多维面” 等难题，要想在不同领域实现公平、公正，算法必须做到数据和开发者审查的透明化，在此基础上不断进行公平审计。

    Jan, 2019

  • 用统计检验算法替换人类决策者

    本研究构建了一种基于统计学的人工智能框架，能够通过对人工预测结果的基准测试，将部分医生的诊断建议替换成人工智能算法的推荐，实验证明在异常分娩检测上具有比医生更准确的真实阳性率和更低的假阳性率，特别是在较不发达地区，更容易替代乡村医生的诊断。

    Jun, 2023