文件名称:人与机器:机器输入对认知限制下决策的影响-研究论文
文件大小:1.75MB
文件格式:PDF
更新时间:2024-06-29 22:41:18
machine-learning rational inattention
许多组织对人工智能技术的快速采用最近引起了人们的担忧,即人工智能最终可能会在某些任务中取代人类。 事实上,当用于协作时,机器可以显着增强人类的互补优势。 事实上,由于其强大的计算能力,机器可以以令人难以置信的准确度执行特定任务。 相比之下,人类决策者 (DM) 具有灵活性和适应性,但受限于其有限的认知能力。 本文研究了基于机器的预测如何影响人类 DM 的决策过程和结果。 我们研究这些预测对决策准确性、决策错误的倾向和性质以及 DM 的认知努力的影响。 为了兼顾灵活性和有限的认知能力,我们在理性的注意力不集中框架中对人类决策过程进行建模。 在这种设置中,机器在没有认知成本的情况下为 DM 提供准确但有时不完整的信息。 我们在这个框架中充分描述了机器输入对人类决策过程的影响。 我们表明,机器输入总是会提高人类决策的整体准确性,但可能会增加某些类型错误(例如误报)的倾向。 机器还可以诱导人类施加更多的认知努力,即使它的输入非常准确。 有趣的是,这发生在 DM 的认知受限最严重时,例如,由于时间压力或多任务处理。 综合这些结果,我们确定了人机协作可能最有利的决策环境。