May, 2023

ADVISE: 全球发展证据综述的 AI 加速设计

PDF
TL;DR本研究介绍了一种利用 BERT 模型开发 AI 代理程序，结合人类团队设计全球发展证据综合产品的方法，探讨了活性学习策略的影响，结果表明，将 BERT-based AI 代理程序纳入人类团队可以降低人类筛选工作量 68.5％，而采用高优先级 (HP) 策略的活性学习方法可以进一步减少 78.3％。
evidence-based policiesai agentbert modelactive learninghuman-ai hybrid team
发现论文，激发创造
  • 利用大型语言模型加速临床证据综合

    利用 TrialMind 等基于 LLMs 的人工智能模型，我们介绍了一种为进行医学系统评价而设计的生成型 AI 流水线。通过结合人类专家的监督，我们证明了 TrialMind 显著提高了文献综述的过程，并在从超过 2000 万篇 PubMed 文章中搜索研究、筛选研究和提取结果的过程中取得了优异的性能。结果还显示，与 GPT-4 基准相比，八位人类评估者更喜欢 TrialMind，其有效率提升了临床研究的效率。

    Jun, 2024

  • 关于人工智能和人类协同招聘团队表现和偏见的研究

    探讨了使用 AI 辅助决策时，人工智能的预测性能与偏差如何对人类决策产生影响的复杂动态，并通过大规模用户研究发现，高性能的模型显著提高了人类在混合环境中的表现，但有些模型削弱了混合偏见，有些则加重了混合偏见。这些研究结果表明，预先评估这些复杂动态对于部署人工智能具有明确的必要性。

    Feb, 2022

  • 利用人工智能与人工智能了解人类加速科学

    该研究表明，将人类专业知识的分布纳入考虑，并以此训练无监督的人工智能模型，能够显著提高 AI 对未来发现的预测能力，特别是在相关文献稀缺的情况下，这些模型成功预测出人类预测和可能做出预测的科学家，为科学进步开创新的前沿。

    Jun, 2023

  • 基于生成型 AI 的科学文献的极限摘要，提升初级卫生保健工作流程

    运用生成型人工智能技术对科学论文的摘要进行总结，以减轻基层医疗人员的认知负担并提高文献阅读效率。研究结果表明，使用生成型人工智能生成的短摘要可显著降低回答与摘要内容相关问题所需时间，但在无完整摘要可用的情况下，提取知识的准确性明显降低，需要进一步的发展来提高理解能力。

    Jul, 2023

  • 利用人工智能生成的决策辅助工具提升人类决策能力

    使用机器学习和认知科学的方法为人类决策制定决策辅助方法，将其转化为自然语言指令可显著提高决策性能。

    Mar, 2022

  • 人工智能决策的科学化：经验研究综述

    研究了人工智能辅助下的人类决策制定，结合超过 100 篇论文总结了该领域的三个重要方面，即决策任务、AI 模型和 AI 辅助元素以及评估指标并提出了未来研究建议，强调建立共同框架以促进人工智能和人机交互社区协作，形成推广的科学知识。

    Dec, 2021

  • 多元人工智能监督原则的探索

    使用下一个令牌预测训练大型 Transformer 在人工智能方面取得了突破性进展，但这种生成式人工智能方法严重依赖人类监督，我们提出了一种新的自主生成高质量训练数据的范式 —— 探索型人工智能 (EAI)，通过利用大型语言模型在自然语言空间内进行探索达到这一目的。实证评估表明，EAI 显著提升了模型在复杂推理任务上的性能，解决了人类密集监督的局限。

    Oct, 2023

  • 改进人工智能团队培训的最新技术报告 #2-- 研究人员知识引导调查结果

    为了支持军事服务分支中的人工智能与人类团队合作，研究报告记录了一项正在增长的普遍愿望，并为此开展了一项调查，找出了合适的开源工具、自动转录和编码工具，以及强大的数据捕获和导出能力。

    Aug, 2023

  • 利用生成人工智能进行临床证据摘要的可信性需求

    通过使用最佳可用证据赋予医疗决策和实践更好的质量，循证医学旨在改善医疗保健。然而，医学证据的快速增长来自不同的来源，这在收集、评估和综合证据信息方面带来了挑战。最近发展的生成 AI 模型，如大型语言模型，有望在简化艰巨任务方面发挥作用。然而，开发负责任、公平和包容的模型仍然是一项复杂的工作。在这个视角中，我们讨论了生成 AI 在自动摘要医学证据的情境中的可信度问题。

    Nov, 2023

  • 模拟人工智能团队决策

    研究表明，当涉及到风险元素和评估人类和 AI 代理能力的探索利用过程时，人工智能和人类在小组决策方面具有互补技能。本文面向一组带有缺陷的 AI 代理人，向人类团队提交一系列智力问题，以评估团队成员和可用 AI 代理人的相对专业知识，评估不同行动的风险并通过达成共识来最大化整体回报，并提出了人工智能 - 人类团队决策的模型。研究验证了在不确定情况下的人工智能团队和人类行为预测中的前景理论、影响动态和贝叶斯学习的社会认知构建的价值。

    Jan, 2022