AI 驱动的机制作为裁判：在国际象棋及其他领域中决胜负
研究人员基于人类下棋决策的详细数据，通过 AlphaZero 构建了一种定制化的人工智能引擎 Maia，能够更准确地预测人类棋手的下棋。这项研究表明，重点是建立精确的人类决策模型，安装有人类协作的人工智能系统具有很大的潜力。
Jun, 2020
基于数据驱动算法的人工智能在当今社会中已普遍应用，但在许多情况下，尤其是当风险较高时，人类仍然作出最终决策。本研究引入了一种新的方法框架，可用于在无额外假设的情况下实验性地回答这个问题。我们采用标准分类指标来衡量决策者做出正确决策的能力，通过单盲实验设计随机对案例进行人工智能生成的建议，并由人类作出最终决策，我们比较了三种可选的决策系统的表现：单独人类、人类辅助人工智能和单独人工智能。对我们自己进行的随机对照试验中的数据应用了提出的方法论，发现人工智能建议并没有提高法官决定是否强制缴纳保释金的分类准确性。分析还表明，单独人工智能的决策通常比人类决策（无论是否辅助人工智能）表现更差。最后，相比白人被捕者，在对非白人被捕者的针对性保释方面，人工智能建议往往不必要地更频繁地强制缴纳保释金。
Mar, 2024
强大的人工智能系统通常用于与计算能力较低的代理进行交互，为了在这些设置中成功交互，除了超凡性能之外，人工智能系统还需要考虑低级行为或个体风格，本研究提出了正式的评估框架来评估接近最优的人工智能与计算能力较低的交互伙伴之间的兼容性，并使用合作国际象棋作为模型系统，通过开发可以成功与计算能力较低的实体进行交互的人工智能。
May, 2024
研究论文说明了如何使用神经网络和棋局形状特征对象标准为 “卓越” 的棋局进行分类，达到了 79％的准确性，揭示了较弱引擎对棋局评价较低时更有可能被预测为 “卓越” 的特点，引领了计算机国际象棋引擎展示类似人类卓越和创意的可能性。
Jun, 2024
通过对 101 轮独裁者游戏的研究，我得出结论：人工智能在游戏中表现出强烈的公平意识，这取决于它认为与之互动的人是否值得信任；在指定为受托人时，框架对人工智能给予接收者的数量有很大影响；而且也有证据表明人工智能可能像人类一样对不平等具有厌恶感。
Feb, 2024
本文概述了人工智能、机器学习、足球分析、预测模型和博弈论等领域相互结合在足球领域中的应用，以及这种应用方式如何推进了足球运动本身的发展，还探讨了这种足球分析应用在其他领域的扩展可能性。
Nov, 2020
通过分析职业围棋选手过去 71 年中超过 580 万次决策，使用超级人工智能程序评估人类决策质量并比较人类决策和人工智能决策的胜率，结果表明，超级人工智能的出现促使人类玩家从传统策略中脱颖而出，导致他们去探索一些新的策略，从而提高了决策能力。
Mar, 2023
通过在国际象棋中构建多样化的人工智能团队，研究表明多样性对于解决复杂计算问题具有价值，并能使团队中的人工智能系统产生出更多有创造性的决策机制。
Aug, 2023