人-AI 团队的集体智能:一种贝叶斯心智理论方法
人机交互
2023-03-29 v4
摘要
我们开发了一个贝叶斯智能体网络,该网络根据观察到的沟通 collectively 建模队友的心理状态。利用生成的认知计算途径,我们做出两点贡献。首先,我们展示我们的智能体能够生成干预措施,将人-AI 团队的集体智能提升到超越人类单独所能达到的水平。其次,我们开发了一种实时度量人类心智理论能力的方法,并检验了关于人类认知的理论。我们使用从一个在线实验中收集的数据,该实验包含 29 个五人纯人类团队共 145 名个体,他们通过基于聊天的系统沟通以解决一项认知任务。我们发现人类(a)难以将队友的信息充分整合进自己的决策,尤其在沟通负载高时;且(b)存在认知偏差,导致他们低估某些有用但模糊的信息。我们的心智理论能力度量可预测个体与团队层面的表现。观察团队前 25% 的消息可解释最终团队表现约 8% 的变异,较当前最先进水平提升 170%。
引用
@article{arxiv.2208.11660,
title = {Collective Intelligence in Human-AI Teams: A Bayesian Theory of Mind Approach},
author = {Samuel Westby and Christoph Riedl},
journal= {arXiv preprint arXiv:2208.11660},
year = {2023}
}
备注
9 pages, Accepted at AAAI 2023