机器辅助下的人类决策：关于保释与羁押的实验研究

政治辩论的焦点大多是机器可能取代人类的担忧。然而在许多领域，更可能的情况是最终选择和责任仍由人类决策者承担，但她会获得机器建议。一个典型的例子是法官对被告做出保释或羁押的决定。在美国多个司法管辖区，法官可以获取关于被告再犯风险的机器预测。在我们的研究中，我们探索接受机器建议如何影响人们的保释决定。我们对普通参与者进行了一个 vignet实验，测试他们对该预测工具数据库中的案例子样本。在研究中1，我们要求他们预测被告在审判前是否会再犯，并操纵他们是否有机器建议的访问权限。我们发现，接受机器建议的影响很小，倾向于预测不再犯的方向。在实地中，人类决策者有时有机会在事后了解机器是否给出了好的建议。在研究2中，在每次审判后，我们向参与者告知真实情况。这并没有使他们更可能遵循建议，尽管机器（平均）比真实法官稍微更准确。如果建议最初大部分是正确的，或者最初主要是预测（不）再犯，也是如此。真实法官知道他们的决定影响被告的生活。他们也可能担心连任或晋升。因此利害关系很大。在研究3中，我们通过给予参与者财务激励来模拟高风险。寻找真相、避免假阳性或假阴性的激励并没有使参与者对机器建议更敏感。但遵循建议的激励是有效的。