自适应认知契合：人工智能增强的信息面相与表征管理
人机交互
2022-04-26 v1 人工智能
计算机与社会
信息论
社会与信息网络
math.IT
摘要
大数据技术与人工智能（AI）应用的爆发式增长，导致信息面相的日益泛在以及信息表征形式的迅速增多。信息面相（如歧义性与真实性）可主导并显著影响人类对信息的感知，进而影响人类绩效。早于大数据与 AI 时代的既有认知契合研究，聚焦于信息表征与任务对齐对绩效的影响，而未充分考量信息面相及伴随的认知挑战。因此，亟需理解这些主导性信息面相与信息表征及任务之间的相互作用，及其对人类绩效的影响。我们认为，能够自适应调整信息表征以克服认知局限的人工智能技术，对于这些复杂信息环境是必要的。为此，我们提出并检验了一个新颖的“自适应认知契合”（ACF）框架，用以解释信息面相与 AI 增强的信息表征对人类绩效的影响。我们借助信息处理理论与认知失调理论推进 ACF 框架及一组命题。我们通过一个展现信息面相影响的经济学实验，以及一个确立利用 AI 提升人类绩效可行性的机器学习仿真，对 ACF 命题进行了实证验证。
引用
@article{arxiv.2204.11405,
title = {Adaptive cognitive fit: Artificial intelligence augmented management of information facets and representations},
author = {Jim Samuel and Rajiv Kashyap and Yana Samuel and Alexander Pelaez},
journal= {arXiv preprint arXiv:2204.11405},
year = {2022}
}