度量人类在决策中对 AI 的适应：以 AlphaGo 之后的变化评估为例
人机交互
2021-02-02 v3 综合经济学
经济学
应用统计
摘要
在日益增多的领域中，人类专家被期望向具有更优决策能力的 AI 学习并与之适应。但我们如何量化这种人类对 AI 的适应？我们开发了一种简单的人类对 AI 适应度量，并在两个案例研究中检验其效用。在研究 1 中，我们分析了专业围棋选手做出的 130 万步落子决策，发现玩家在能够观察 AI 的推理过程而非仅其行动之后，发生了一种对 AI 的积极适应（学习）。基于我们度量的这些发现凸显了可解释性对于人类向 AI 学习的重要性。在研究 2 中，我们检验我们的度量是否足够敏感以捕捉一种对 AI 的消极适应（由 AI 辅助的作弊），其发生于一场专业围棋选手之间的对局。我们讨论了该度量在围棋以外领域的应用，特别是在 AI 决策能力可能超越人类专家的领域中。
引用
@article{arxiv.2012.15035,
title = {Measuring Human Adaptation to AI in Decision Making: Application to Evaluate Changes after AlphaGo},
author = {Minkyu Shin and Jin Kim and Minkyung Kim},
journal= {arXiv preprint arXiv:2012.15035},
year = {2021}
}