机构名称：
¥ 2.0
多项研究旨在弥合人工智能 (AI) 与人类决策者在人工智能辅助决策中的差距，其中人类是人工智能模型预测的消费者，也是高风险应用中的最终决策者。然而，人们的感知和理解常常被他们的认知偏见所扭曲，例如确认偏见、锚定偏见、可用性偏见等等。在这项工作中，我们使用认知科学领域的知识来解释人机协作决策环境中的认知偏见，并减轻它们对协作绩效的负面影响。为此，我们用数学方法模拟认知偏见，并提供一个通用框架，研究人员和从业者可以通过该框架了解认知偏见与人机准确性之间的相互作用。然后，我们特别关注锚定偏见，这是人机协作中常见的偏见。我们实施了基于时间的脱锚策略，并进行了我们的第一次用户实验，以验证其在人机协作决策中的有效性。基于此结果，我们设计了一种资源受限环境下的时间分配策略，该策略在某些假设下可实现最佳人机协作。然后，我们进行了第二次用户实验，结果表明，当 AI 模型的置信度较低且不正确时，我们的带解释的时间分配策略可以有效地解除人类的束缚并提高协作绩效。
认知偏见在人工智能辅助决策中的作用
主要关键词
相关文件推荐
