Jan, 2024

人机协作中语境信息对人类委托行为的影响

PDF
TL;DR通过提供上下文信息，研究人员发现可以显著提高人工智能团队和人类之间的协作性，同时也改变了人们对于委派任务的行为方式，为设计更有效的协作系统提供了可行的见解。
artificial intelligencehuman-ai collaborationdelegationcontextual informationcollaborative systems
发现论文，激发创造
  • 人工智能协作：AI 委派对人类任务执行和满意度的影响

    在一项 196 名参与者的实验研究中，我们发现，无论人类是否意识到辅助作业的人工智能模型，通过代理任务来协同完成工作可以提高任务的表现和满意度，同时提高自我效能感，这为 AI 担负更多的管理责任是人 - AI 协作的有效形式提供了初步证据。

    Mar, 2023

  • 人工智能协作代理之间的委托优化

    在人工智能或自主智能体与人类组成的混合团队中，通过观察团队表现，我们的框架提供了一个经理模型，用于准确识别何时授权团队成员执行动作，而不限制代理机器人的环境模型，结果显示经理模型在不同环境表示下的代理团队中取得了显著的优势。

    Sep, 2023

  • 一种错误易发人工智能和人类代理之间的委派认知框架

    研究人工智能系统和人类在同一环境下应怎样理解和相应对方行为，通过认知模型预测双方行为并通过中介控制实现目标的达成。

    Apr, 2022

  • AI 所能做什麼并不重要，重要的是 AI 應該做什麼：走向任務委派的框架

    人们更青睐于人机交互的 “机器协助” 模式，而不是完全的人工智能自动控制模式。其中，信任是与人类最佳人机委派偏好相关性最高的因素。

    Feb, 2019

  • 人工智能与人类混合系统中通过委派来弥补感知失败的方法

    在考虑到人工智能的自主行动和增强人类活动的情况下，本文从人工智能和人类哪一方出现失误的因素（例如感知）入手，研究了人工智能辅助的情况下如何做出正确的决策，利用强化学习模型提高机器智能，从而提高团队绩效。

    Mar, 2023

  • 通过有条件委托的方式，实现人工智能与人类的协同合作：内容审核案例研究

    该研究论文探讨了如何通过条件委托来实现人工智能和人类的有效合作，通过进行内容审查等测试实验表明有该方法有提高模型性能的潜力，并研究了人工智能解释等因素对该方法的影响。

    Apr, 2022

  • 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

  • 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

  • 信息不对称对人工智能团队的影响

    近年来，人工智能的不断发展已经在许多应用领域中提高了人类的决策能力。人工智能与人类之间的互补团队表现（CTP）可能会带来超过个体人工智能或人类所能达到的表现水平。通过在线实验，我们证明了在特定的决策情境下，人类可以使用特定的信息不对称性来调整人工智能的决策，最终实现 CTP。

    May, 2022

  • 人工智能交互在选择性预测中的作用

    研究了选择性预测系统中人机交互的影响，通过不同类型的信息传递比较两种消息传递的组合方式对人类判断准确率的影响，发现必须仔细考虑如何将推迟决策传达给人类才能更好地设计选择性预测系统，同时使用人机交互框架仔细评估人工智能团队的总体准确性。

    Dec, 2021