摘要 — 人工智能 (AI) 在社会中发挥着重要作用,包括如何做出至关重要、往往改变生活的决定。因此,近年来,人们对可解释人工智能 (XAI) 的兴趣日益浓厚,它是一种揭示通常被描述为黑匣子中的流程和操作的手段,黑匣子是一个通常不透明的系统,其决策难以被最终用户理解。本文介绍了一个有 20 名参与者(计算机科学和平面设计专业学生)参加的设计思维研讨会的结果,我们试图调查用户在与 AI 系统交互时的心理模型。参与者使用两个角色,被要求同情 AI 驱动的招聘系统的两个最终用户,识别用户体验中的痛点并构思这些痛点的可能解决方案。这些任务用于探索用户对 AI 系统的理解、AI 系统的可理解性以及如何向最终用户解释这些系统的内部工作原理。我们发现,视觉反馈、分析和比较、特征突出显示以及事实、反事实和主要推理解释可用于改善用户对人工智能系统的心理模型。
IDC MarketScape 标准选择、权重和供应商评分代表了 IDC 对市场和特定供应商经过充分研究的判断。IDC 分析师通过结构化讨论、调查和与市场领导者、参与者和最终用户的访谈,定制了衡量供应商的一系列标准特征。市场权重基于用户访谈、买家调查和每个市场的 IDC 专家的意见。IDC 分析师根据对供应商的详细调查和访谈、公开信息和最终用户体验,确定单个供应商的评分,并最终确定供应商在 IDC MarketScape 上的排名,以便对每个供应商的特征、行为和能力进行准确而一致的评估。
研究助理将参与一个项目,旨在开发一个新平台来评估最终用户的技能/能力,然后推荐自我发展和就业机会。推荐算法将使用基于案例的推理技术(CloodCBR - http://cloodcbr.com)。一项关键创新是设计匹配算法,帮助在寻求建议的最终用户和可以提供建议的专家之间建立网络。该项目将需要使用知识结构(例如知识图、行为树或状态转换图)来根据状态和操作对数据和控制的逻辑转换进行建模。因此,使用 JSON(或 XML)构造以编程方式实现此类结构的能力对于项目的成功至关重要。
执行摘要 人机系统集成 (HSI) 是一种系统性的、组织范围的方法,用于实施新技术和现代化现有系统。它是管理理念、方法、技术和工具的组合,旨在在收购过程中强调最终用户在组织流程或技术中的核心作用和重要性。这种方法通过考虑系统的所有元素来优化这些系统的安全性和效率。传统的技术实施方法侧重于机械、硬件和软件设计挑战。通常,很少关注最终用户及其能力和局限性。人们假设技术的引入会自动被用户接受并会提高工作绩效。这并不总是正确的。
此外,我们致力于解决电池生命尽头的回收和再利用中的挑战,包括可持续的铅酸电池的可持续回收,关键矿物质的可持续性采购,其不断的可食用性以及对潜在的最终用户的可信赖报告,并为潜在的最终用户提供了可靠的购买,并做出了知识的购买决定。简而言之,如果消费者首先不相信基础索赔,则不太可能根据可持续性影响。实际上,如果在真正的多方利益相关者合作伙伴关系和协作中共同决定这些绩效指标和测量,我们更有可能信任绩效指标和测量,我们试图通过我们的跨部门工作组和治理指导委员会来鼓励整个联盟。
