机构名称：
¥ 1.0
摘要：随着咨询型人工智能 (AI) 代理的适应性和复杂性不断提高，可解释人工智能和以人为中心的人工智能的主题正在紧密联系在一起。解释本身的变化已经得到了广泛的研究，但也有一些相互矛盾的结果。这可能是由于用户的个体差异造成的，而这些差异对解释目标（如信任、理解或工作量）实现的抑制或促进作用很少有人系统地研究过。本文旨在阐明人类维度（性别、年龄、信任倾向、认知需求、技术亲和力、自我效能、态度和心理归因）的重要性及其与不同解释模式（无解释、简单解释或复杂解释）的相互作用。参与者在与基于 AI 的代理互动时玩了 Deal or No Deal 游戏。代理向参与者提供建议，告诉他们是否应该接受或拒绝提供给他们的交易。正如预期的那样，给出解释对解释目标产生了积极的影响。然而，用户的个人特征尤其强化了目标的实现。目标实现的最强预测因素是人类特征的归因程度。归因于人类特征的程度越高，对代理的信任度就越高，建议就越容易被接受和理解，并且在交互过程中满足了重要的需求。因此，当前的工作有助于更好地理解基于人工智能的代理系统的解释设计，该系统考虑到个人特征并满足对可解释和以人为中心的代理系统的需求。
可解释人工智能成功的阻碍因素和推动因素
主要关键词
相关文件推荐
