基于错误机器学习决策修正用户决策
人机交互
2024-11-19 v1
摘要
通常假设，为成功使用机器学习算法，这些算法的准确率应高于人类专家。此外，若 ML 算法的平均准确率低于人类专家，则不应考虑此类算法，因为它们适得其反。然而，这并不总是正确的。我们提供了强有力的统计证据表明，即使人类专家比机器更准确，当与机器的交互是非公开时，与该机器的交互仍然是有益的。用户与 ML 模型之间存在冲突，以及用户-AI 交互的私密性，将促使用户反思其决策，从而提高整体准确率。
引用
@article{arxiv.2411.10474,
title = {Correcting User Decisions Based on Incorrect Machine Learning Decisions},
author = {Saveli Goldberg and Lev Salnikov and Noor Kaiser and Tushar Srivastava and Eugene Pinsky},
journal= {arXiv preprint arXiv:2411.10474},
year = {2024}
}