Dalam bidang seperti kecerdasan buatan dan visualisasi data, cara menggunakan paparan maklumat untuk membantu manusia membuat keputusan yang lebih baik ialah matlamat penyelidikan yang penting. Walau bagaimanapun, pada masa ini tiada konsensus yang jelas mengenai definisi masalah keputusan dan reka bentuk eksperimen tentang cara menilai prestasi membuat keputusan manusia. Kertas kerja baru-baru ini mencadangkan definisi masalah keputusan berdasarkan teori keputusan statistik dan ekonomi maklumat dan menyediakan rangka kerja untuk menilai kehilangan prestasi membuat keputusan manusia. Artikel ini akan mentafsir kertas itu dan meneroka implikasinya untuk memajukan penyelidikan tentang pembuatan keputusan.
Dalam makalah "Asas Teoretik Keputusan untuk Eksperimen Menilai Keputusan Manusia", tiga pakar Amerika menyediakan antara muka maklumat untuk membantu membuat keputusan mencapai matlamat bersama untuk penyelidikan dalam kecerdasan buatan (HCAI) berpusatkan manusia, visualisasi dan bidang berkaitan . Pakar-pakar ini berpendapat bahawa penyelidik visualisasi menekankan bantuan membuat keputusan sebagai matlamat penting visualisasi data. Pada masa yang sama, dalam kecerdasan buatan yang berpusatkan manusia, penyelidikan empirikal mengenai tingkah laku membuat keputusan manusia juga dianggap secara meluas sebagai "menilai keberkesanan teknologi kecerdasan buatan dalam membantu membuat keputusan dan membangunkan pemahaman asas tentang cara orang berinteraksi dengan kecerdasan buatan. untuk membuat keputusan" ” kandungan yang diperlukan. Matlamat kajian ini adalah untuk meningkatkan ketepatan dan kecekapan membuat keputusan, memastikan interaksi yang baik antara teknologi kecerdasan buatan dan pembuat keputusan manusia, dan menyediakan orang ramai dengan sokongan membuat keputusan yang lebih baik.
Mereka percaya bahawa dengan mengkaji paparan maklumat pembuatan keputusan manusia, satu set komitmen teoritikal yang minimum boleh ditakrifkan dengan jelas, dengan itu memberikan kemungkinan untuk menentukan tingkah laku normatif untuk tugas itu. Mujurlah, teori keputusan statistik sedia ada dan teori utiliti yang dijangkakan boleh menangani cabaran ini dan menyediakan rangka kerja yang diterbitkan dengan teliti dan boleh digunakan secara meluas untuk mengkaji pembuatan keputusan. Di samping itu, pembangunan ekonomi maklumat juga menyediakan penyelesaian untuk pemformalan struktur maklumat untuk masalah membuat keputusan, yang mungkin melibatkan cara mereka bentuk pilihan visualisasi dan tafsiran untuk ramalan model.
Mereka mensintesis definisi yang boleh digunakan secara meluas bagi masalah keputusan yang ditakrifkan dengan baik daripada teori keputusan statistik dan ekonomi maklumat, dan memberi inspirasi kepada nilai pendekatan ini dalam HCAI dan penyelidikan keputusan yang berkaitan daripada antara muka dipacu data. Sumbangan pertama mereka adalah untuk mewujudkan dan memotivasikan set minimum komponen yang mesti ditakrifkan untuk masalah keputusan untuk mengenal pasti keputusan yang optimum dan dengan itu mengenal pasti berat sebelah dalam pembuatan keputusan manusia. Menggunakan konsep ejen Bayesian yang rasional, mereka menunjukkan bahawa kehilangan prestasi hanya boleh diambil kira apabila peserta penyelidikan secara teorinya dapat mengenal pasti keputusan normatif daripada maklumat yang mereka berikan. Mereka mendapati bahawa dalam sampel 46 kajian sedia ada, 35 kajian menggunakan paparan ramalan untuk membuat kesimpulan tentang defisit membuat keputusan manusia, tetapi hanya 6 daripada ini (17%) adalah tugas kajian yang jelas kerana peserta diberi maklumat yang mencukupi, sekurang-kurangnya dalam prinsip, boleh menentukan keputusan yang terbaik. Mereka menggunakan contoh untuk menggambarkan risiko epistemologi kesimpulan ini dan memberikan cadangan untuk penguji untuk meningkatkan kebolehtafsiran penemuan mereka.
Tajuk kertas kerja ini ialah "Asas Teori Keputusan untuk Eksperimen Menilai Keputusan Manusia". Ia ditulis bersama oleh Jessica Hullman, Alex Kale, dan Jason Hartline, tiga komputer saintis dari Universiti Northwestern di Amerika Syarikat Diterbitkan di arXiv pada 25 Januari 2024 (alamat kertas: https://arxiv.org/abs/2401.15106). Ketiga-tiga penulis ini adalah sarjana terkenal dalam bidang kecerdasan buatan, visualisasi data, interaksi manusia-komputer, dan lain-lain. Hasil penyelidikan mereka telah diterbitkan dalam persidangan dan jurnal akademik teratas, seperti ACM CHI, ACM CSCW, IEEE VIS, ACM EC, dsb. Minat penyelidikan mereka tertumpu terutamanya pada cara menggunakan kecerdasan buatan dan visualisasi data untuk membantu manusia memahami dan membuat keputusan mengenai isu ketidakpastian yang kompleks, seperti penilaian risiko, ramalan, pengesyoran, dsb.
memberikan definisi masalah umum membuat keputusan, termasuk elemen seperti ruang tindakan, ruang nyatakan, peraturan pemarkahan, kepercayaan terdahulu, model penjanaan data dan strategi isyarat, dan menerangkan cara menggunakan elemen ini untuk menentukan tindakan optimum dan utiliti yang dijangkakan.
Cadangkan rangka kerja untuk menilai kerugian prestasi manusia yang membuat keputusan, termasuk empat sumber potensi kerugian, termasuk kerugian terdahulu, kehilangan penerimaan, kehilangan kemas kini dan kehilangan pengoptimuman, dan terokai cara menganggar dan menganalisis kerugian ini melalui reka bentuk eksperimen dan keputusan.
Dalam beberapa tahun kebelakangan ini, penyelidik telah mengekod dan menilai pembuatan keputusan berbantukan kecerdasan buatan, dan keputusan menunjukkan bahawa hanya sebilangan kecil kajian (kira-kira 17%) memberikan maklumat yang mencukupi untuk membolehkan peserta menentukan keputusan normatif. Sebaliknya, kebanyakan kajian (kira-kira 83%) mengalami masalah membuat keputusan yang tidak jelas dan tidak lengkap, yang membawa kepada kesimpulan yang tidak boleh dipercayai tentang berat sebelah dan kelemahan dalam membuat keputusan manusia.
Asas teori kertas ini terutamanya datang daripada teori keputusan statistik dan ekonomi maklumat. Teori keputusan statistik mengkaji kaedah membuat pilihan optimum di bawah ketidakpastian, memfokuskan pada hubungan antara pilihan, kepercayaan dan tindakan pembuat keputusan, dan cara menggunakan data dan maklumat untuk mengemas kini kepercayaan dan memilih tindakan. Ekonomi maklumat mengkaji kesan maklumat terhadap tingkah laku dan keputusan ekonomi, memberi tumpuan kepada mekanisme pengeluaran, penyebaran dan penggunaan maklumat, serta kesan maklumat yang tidak simetri, tidak lengkap dan tidak boleh dipercayai ke atas pasaran dan masyarakat. Kedua-dua disiplin ini menyediakan asas teori yang penting untuk kertas kerja dan membantu kami memahami dengan mendalam peranan dan kesan pembuatan keputusan dan maklumat dalam ekonomi.
Kaedah kertas kerja ini terutamanya berdasarkan teori Bayesian dan teori utiliti yang dijangkakan. Teori Bayesian ialah teori kebarangkalian yang digunakan untuk menerangkan dan menaakul tentang ketidakpastian, memfokuskan pada pengiraan kepercayaan posterior berdasarkan kepercayaan terdahulu dan data pemerhatian, iaitu, kebarangkalian hipotesis atau peristiwa tertentu berlaku di bawah keadaan data yang diberikan. Teori utiliti yang dijangkakan ialah teori untuk menilai keputusan berisiko yang memfokuskan pada cara mengira utiliti yang dijangkakan, purata wajaran utiliti yang dihasilkan di negeri yang berbeza, berdasarkan fungsi utiliti dan pengagihan kebarangkalian. Pendekatan ini menggabungkan penaakulan Bayesian dan penilaian utiliti untuk menyediakan pembuat keputusan dengan keputusan yang optimum dalam menghadapi ketidakpastian.
Mereka mentakrifkan masalah keputusan dan kriteria tingkah laku optimum yang sepadan untuk menentukan penalti prestasi berbanding dengan kriteria tersebut. Definisi mereka bertujuan untuk penilaian terkawal tingkah laku manusia, iaitu, kajian pembuatan keputusan normatif. Penyelidikan penilaian jenis ini memerlukan keupayaan untuk menentukan fakta asas tentang apa jua keadaan yang ditanya oleh peserta kajian. Data tingkah laku (yang boleh dijana oleh manusia atau simulasi) dikumpul dalam keadaan terkawal dengan matlamat untuk memahami tingkah laku yang ditimbulkan oleh penyediaan maklumat. Kajian sedemikian sering digunakan untuk menerangkan kualiti prestasi manusia dalam situasi tertentu (cth., sejauh mana orang membuat keputusan berdasarkan paparan dalam konteks strategik) dan untuk menilai elemen bantuan yang berbeza mengikut prestasi manusia (cth., visualisasi yang berbeza atau kecerdasan buatan. ).
Memandangkan masalah keputusan yang ditakrifkan seperti di atas, mereka melakukan ini dengan menganggap bahawa ejen mempunyai keutamaan yang konsisten dan membuat keputusan yang optimum antara tindakan di bawah hasil yang tidak pasti bermakna, untuk mengira normatif (" optimum") keputusan. Oleh itu, mereka boleh mentafsir prestasi peserta eksperimen sebagai percubaan untuk memenuhi kriteria ini dan mengenal pasti punca ralat (kerugian) dalam prestasi.
Untuk melakukan ini, mereka mula-mula akan menganggap bahawa keutamaan ejen boleh diringkaskan dengan peraturan pemarkahan Anggapkan bahawa dia akan memilih tindakan yang memaksimumkan utiliti yang diharapkannya (skor):
Gambar
menerangkan taburan Kepercayaan ejen, iaitu taburan kebarangkalian keadaan dunia yang dipercayai oleh subjek. Kita boleh mentakrifkan tindakan optimum sebagai tindakan yang memaksimumkan utiliti yang diharapkan oleh ejen:
Gambar
Secara khusus, untuk mengira keputusan optimum untuk tugas membuat keputusan, mereka mula-mula mentakrifkan ejen dalam persamaan daripada π : Pr (θ) atau p(θ) seperti yang kami huraikan di atas. Apabila strategi isyarat tidak memaparkan π(θ |u) secara langsung melalui isyarat tetapi memberitahu θ, kami menganggap bahawa, selepas melihat isyarat, ejen menggunakan peraturan Bayes untuk meramalkan tindak balas mereka terhadap isyarat berdasarkan pengetahuan mereka tentang model penjanaan data Kepercayaan keadaan jumlah sebelumnya dikemas kini kepada kepercayaan posterior π:
gambar
u ialah faktor penormalan. Perhatikan bahawa takrifan dalam Persamaan 3 membayangkan bahawa q(θ) dikira untuk diketahui oleh ejen.
Gambar
Memandangkan kepercayaan belakang ini, kami menggunakan Persamaan 2 untuk menentukan tindakan S yang dipilih oleh ejen yang rasional sempurna untuk memaksimumkan utiliti yang diharapkan.
Rangka kerja pengkomputeran pengarang menyediakan alat berguna untuk kerjasama membuat keputusan manusia dan kecerdasan buatan, yang boleh membantu menganalisis dan menambah baik tingkah laku dan kesan membuat keputusan manusia, serta meningkatkan kualiti dan kepuasan manusia membuat keputusan. Rangka kerja pengiraan mereka juga menyediakan ruang yang memberi inspirasi dan inovatif untuk pengembangan dan pendalaman teori dan kaedah membuat keputusan, dan boleh meneroka lebih banyak faktor dan mekanisme membuat keputusan, serta lebih banyak model dan strategi membuat keputusan.
Motivasi utama untuk menggunakan rangka kerja di atas adalah bersifat epistemologi, dan ia berkaitan dengan pengetahuan kita tentang keputusan eksperimen. Untuk mentafsirkan respons kepada masalah keputusan dalam eksperimen membuat keputusan manusia sebagai bukti proses membuat keputusan yang salah, eksperimen mesti menyediakan peserta dengan maklumat yang mencukupi untuk, pada dasarnya, menentukan keputusan normatif yang terhadapnya tingkah laku mereka akan dinilai. Dalam erti kata lain, adakah eksperimen memberikan peserta maklumat yang mencukupi untuk menjadikan pemahaman mereka tentang masalah keputusan konsisten dengan tafsiran normatifnya?
Mereka mendapati bahawa model rangkaian saraf boleh menghasilkan semula dan mengatasi penyelidikan psikologi sedia ada, seperti teori prospek, model berasaskan persekitaran, model hibrid, dll. Model rangkaian saraf secara automatik boleh mempelajari fungsi persepsi risiko yang berbeza dan pemberat antara mereka berdasarkan andaian yang berbeza. Penulis juga mendapati bahawa fungsi persepsi risiko manusia adalah tidak linear, bergantung kepada senario, dan terdapat hubungan saling bergantung antara kebarangkalian dan pulangan. Penemuan ini menggambarkan bahawa pengambilan keputusan risiko manusia adalah sangat kompleks dan tidak boleh dikaitkan dengan andaian mudah.
Pengarang menggunakan metrik mudah untuk mengukur sejauh mana kehilangan prestasi membuat keputusan manusia, iaitu perbezaan purata antara pilihan manusia dan pilihan optimum. Penulis mendapati bahawa kehilangan prestasi membuat keputusan manusia berbeza-beza dengan ketara merentas senario, antara 0.01 hingga 0.5. Penulis juga mendapati bahawa kehilangan prestasi membuat keputusan manusia berkorelasi positif dengan ralat ramalan model rangkaian saraf, iaitu, lebih sukar bagi model rangkaian saraf untuk meramalkan pilihan manusia, lebih besar kehilangan manusia. prestasi membuat keputusan. Ini menggambarkan bahawa model rangkaian saraf secara berkesan dapat menangkap ciri-ciri persepsi risiko manusia, serta ketidakrasionalan dan ketidakkonsistenan dalam membuat keputusan risiko manusia.
Rangka kerja penilaian pengarang menyediakan alat berguna untuk kerjasama membuat keputusan antara manusia dan kecerdasan buatan, yang boleh membantu menganalisis dan menambah baik tingkah laku dan kesan membuat keputusan manusia, serta meningkatkan kualiti dan kepuasan manusia membuat keputusan. Rangka kerja penilaian penulis juga menyediakan ruang yang memberi inspirasi dan inovatif untuk pengembangan dan pendalaman teori dan kaedah membuat keputusan, membolehkan penerokaan lebih banyak faktor dan mekanisme membuat keputusan, serta lebih banyak model dan strategi membuat keputusan.
Analisis empirikal kertas ini terutamanya mengekod dan menilai penyelidikan mengenai pembuatan keputusan berbantukan kecerdasan buatan dalam beberapa tahun kebelakangan ini untuk menguji sama ada kajian ini konsisten dengan rangka kerja teori membuat keputusan dan sama ada ia memberi manfaat kepada manusia membuat keputusan. Kesimpulan yang munasabah telah dibuat tentang kecacatan atau kerugian. Penulis secara rawak memilih 46 kajian daripada ulasan literatur oleh Lai et al., yang diterbitkan pada persidangan ACM atau ACL antara 2018 dan 2021 dan melibatkan eksperimen tentang pembuatan keputusan berbantukan kecerdasan buatan untuk masalah klasifikasi atau regresi.
Pengarang mengekodkan kajian ini mengikut tiga aspek berikut.
Penggunaan rangka kerja teori keputusan: sama ada terdapat keadaan sebenar yang boleh ditentukan, dan sama ada terdapat untung atau rugi yang dikaitkan dengan negara.
Penilaian pembuatan keputusan manusia: Sama ada terdapat penilaian atau pertimbangan terhadap prestasi atau kualiti pembuatan keputusan manusia, seperti menunjukkan fenomena terlalu bergantung atau tidak cukup bergantung pada kecerdasan buatan, atau membuat spekulasi mengenai punca atau faktor yang mempengaruhi dalam membuat keputusan manusia.
Kejelasan masalah keputusan: Sama ada maklumat yang mencukupi diberikan kepada peserta untuk mengenal pasti keputusan normatif, termasuk ruang tindakan, ruang nyatakan, peraturan pemarkahan, kepercayaan terdahulu, model penjanaan data, strategi isyarat, dsb.
Hasil pengekodan pengarang menunjukkan bahawa 11 kajian (24%) mempunyai tugasan yang tidak mempunyai keadaan sebenar yang boleh ditentukan, seperti pengesyoran muzik atau filem subjektif atau pengecaman emosi Kajian ini tidak sesuai untuk kerangka teori keputusan. Baki 35 kajian (76%) membuat penilaian atau pertimbangan tentang prestasi atau kualiti pembuatan keputusan manusia, tetapi hanya 6 kajian (17%) menyediakan peserta dengan maklumat yang mencukupi untuk mengenal pasti keputusan normatif, manakala yang lain 29 kajian (83%) mempunyai isu membuat keputusan yang tidak jelas dan tidak lengkap, yang membawa kepada kesimpulan yang tidak boleh dipercayai tentang berat sebelah dan kelemahan dalam pembuatan keputusan manusia. Penulis juga menyediakan analisis dan perbincangan terperinci tentang masalah khusus dan kaedah penambahbaikan kajian ini, seperti kekurangan komunikasi kepercayaan terdahulu, kekurangan pengiraan kepercayaan posterior, kekurangan motivasi dan perbandingan peraturan pemarkahan, dll. Penulis percaya bahawa masalah ini semua berpunca daripada definisi penyelidik yang tidak mencukupi dan komunikasi masalah membuat keputusan, serta pemahaman mereka yang tidak jelas tentang hubungan antara dunia eksperimen dan dunia sebenar. Penulis mengesyorkan bahawa penyelidik harus mempertimbangkan sepenuhnya rangka kerja teori membuat keputusan semasa mereka bentuk eksperimen, dan dengan jelas menyampaikan semua komponen yang diperlukan dalam masalah membuat keputusan kepada peserta dan pembaca, supaya dapat menilai dan memperbaiki tingkah laku membuat keputusan dengan berkesan.
Keterbatasan kertas kerja ini terutamanya datang daripada cabaran dan kritikan terhadap teori utiliti yang dijangkakan dan kaedah normatif. Teori utiliti yang dijangkakan ialah teori membuat keputusan berdasarkan rasional dan pengoptimuman, yang menganggap bahawa pembuat keputusan mempunyai maklumat yang lengkap dan kuasa pengkomputeran, serta pilihan yang konsisten dan stabil. Walau bagaimanapun, andaian ini selalunya tidak benar dalam dunia nyata Tingkah laku membuat keputusan manusia mungkin dipengaruhi oleh faktor kognitif, emosi, sosial, moral dan lain-lain, yang membawa kepada penyelewengan daripada ramalan teori utiliti yang dijangkakan. Pendekatan normatif ialah pendekatan berasaskan nilai dan matlamat untuk membuat keputusan yang menganggap bahawa pembuat keputusan mempunyai matlamat nilai yang jelas dan cara untuk menilai kesan tindakan yang berbeza terhadap matlamat nilai. Walau bagaimanapun, andaian ini selalunya tidak berlaku dalam dunia nyata, di mana nilai manusia mungkin pelbagai, dinamik, samar-samar, dan mungkin bercanggah atau harmoni dengan nilai orang lain atau masyarakat. Oleh itu, rangka kerja dan kaedah kertas ini mungkin tidak sesuai untuk beberapa masalah membuat keputusan yang subjektif, kompleks, berbilang objektif, dan mungkin juga mengabaikan nilai dan kepentingan yang wujud dalam beberapa pembuatan keputusan manusia.
Kerja masa hadapan terutamanya akan berkembang dan mendalam dalam empat aspek berikut.
Teroka teori dan kaedah membuat keputusan lain, seperti ekonomi tingkah laku, teori utiliti berbilang atribut, analisis keputusan berbilang kriteria, dsb., untuk menerangkan dan menilai tingkah laku dan keutamaan membuat keputusan sebenar manusia dengan lebih baik.
Kaji paparan maklumat dan kaedah interaksi yang berbeza, seperti bahasa semula jadi, grafik, bunyi, sentuhan, dll., untuk menyampaikan dan menerangkan dengan lebih baik pelbagai komponen masalah membuat keputusan, serta meningkatkan keupayaan penerimaan dan pemprosesan maklumat manusia. .
Cuba mekanisme insentif dan maklum balas yang berbeza, seperti ganjaran, hukuman, kredibiliti, reputasi, pengaruh sosial, dsb., untuk merangsang dan mengekalkan motivasi dan penyertaan manusia dalam membuat keputusan dengan lebih baik, serta meningkatkan pembelajaran dan proses membuat keputusan manusia. keupayaan penambahbaikan.
Meluaskan AI yang berbeza dan mod kerjasama manusia, seperti bantuan, cadangan, agensi, rundingan, penyelarasan, dll., untuk mengimbangi dan menggunakan kelebihan dan kekurangan AI dan manusia dengan lebih baik, serta meningkatkan prestasi AI dan Humans Trust dan kepuasan.
Kertas ini menyediakan penyelidik dalam kecerdasan buatan, visualisasi data, interaksi manusia-komputer dan bidang lain dengan rangka kerja yang jelas dan teratur untuk definisi dan penilaian masalah membuat keputusan untuk Reka bentuk yang lebih baik. dan menganalisis eksperimen tentang kerjasama membuat keputusan manusia dan kecerdasan buatan.
Menyediakan penyelidik dalam kecerdasan buatan, visualisasi data, interaksi manusia-komputer dan bidang lain dengan kaedah objektif dan ketat untuk menilai dan menganalisis kehilangan prestasi membuat keputusan untuk mengenal pasti dan menambah baik kerjasama membuat keputusan antara manusia dan buatan. kecerdasan. Mereka memberikan perspektif yang kritis dan reflektif tentang komunikasi dan tafsiran masalah membuat keputusan untuk memahami dan menyampaikan isu dan cabaran dengan lebih baik dalam kerjasama pembuatan keputusan manusia dan AI. Mereka juga menyediakan hala tuju yang memberi inspirasi dan inovatif untuk mengembangkan dan memperdalam masalah membuat keputusan untuk meneroka dan menemui lebih baik kemungkinan dan potensi kerjasama membuat keputusan antara manusia dan kecerdasan buatan.
Kertas ini mencadangkan definisi masalah membuat keputusan berdasarkan teori keputusan statistik dan ekonomi maklumat, serta rangka kerja untuk menilai kehilangan prestasi membuat keputusan manusia. Tujuan mereka adalah untuk menyediakan panduan dan rujukan yang jelas dan teratur untuk penyelidik dalam bidang kecerdasan buatan, visualisasi data, interaksi manusia-komputer dan bidang lain untuk mereka bentuk dan menganalisis eksperimen dengan lebih baik mengenai kerjasama membuat keputusan antara manusia dan kecerdasan buatan. Mereka mengekod dan menilai kajian yang berkaitan dalam beberapa tahun kebelakangan ini dan mendapati bahawa hanya sebahagian kecil kajian yang menyediakan peserta dengan maklumat yang mencukupi untuk mengenal pasti keputusan normatif, manakala kebanyakan kajian mengalami masalah keputusan yang tidak jelas dan tidak lengkap yang membawa kepada kesimpulan tentang berat sebelah dan kelemahan dalam keputusan manusia-. pembuatan tidak boleh dipercayai. Kami mengesyorkan agar penyelidik mempertimbangkan sepenuhnya rangka kerja teori membuat keputusan semasa mereka bentuk eksperimen dan dengan jelas menyampaikan semua komponen yang diperlukan dalam masalah membuat keputusan kepada peserta dan pembaca untuk menilai dan menambah baik tingkah laku membuat keputusan manusia dengan berkesan.
Pengarang juga sedar tentang batasan kerangka dan kaedah serta keperluan untuk kerja masa hadapan. Rangka kerja dan kaedah mereka adalah berdasarkan teori utiliti dan kaedah normatif yang dijangkakan, yang juga mempunyai beberapa cabaran dan kritikan, seperti tidak konsisten dengan tingkah laku dan keutamaan membuat keputusan manusia yang sebenar, dan mengabaikan nilai intrinsik dan kepentingan pembuatan keputusan manusia. Rangka kerja dan kaedah mereka juga mungkin tidak sesuai untuk beberapa masalah membuat keputusan yang subjektif, kompleks, berbilang objektif, dan mungkin tidak merangkumi semua kemungkinan dan potensi kerjasama membuat keputusan antara manusia dan kecerdasan buatan. Oleh itu, kerja masa depan kami adalah terutamanya untuk mengembangkan dan mendalami aspek berikut: meneroka teori dan kaedah membuat keputusan lain, mengkaji paparan maklumat dan kaedah interaksi yang berbeza, mengkaji mekanisme insentif dan maklum balas yang berbeza, mengkaji kecerdasan buatan yang berbeza dan mod Kerjasama manusia. (TAMAT)
Rujukan: https://arxiv.org/abs/2401.15106
Atas ialah kandungan terperinci Kerjasama membuat keputusan antara manusia dan AI: perumusan, penjelasan dan penilaian masalah membuat keputusan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
![[Web front-end] Permulaan pantas Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
