我做得比你的AI更好:专业知识与解释
作者
可解释人工智能(XAI)AI 辅助决策与自动化系统AI/ML 研究员与工程师HCI 研究员认知科学家
智能助手如导航、推荐和专家系统,在用户缺乏领域知识时最为有用。然而,认知心理学最新研究表明,低技能个体可能保持虚假的优越感,这意味着最需要建议的用户可能最少倾向于采纳建议。解释界面——一种说服用户采纳系统建议的方法——被许多人视为建立信任的解决方案,但其效果是否对自信的用户同样有效?为解决这一知识空白,我们进行了一项定量研究(N=529),参与者在智能助手帮助下进行二元决策游戏。根据实际(测量的)专业知识和报告的任务概念熟悉程度对参与者进行画像。在观察用户接受建议变化的同时,操纵了解释的存在、自动化程度和智能助手的错误数量。认知指标分析得出三个发现:1)更高的任务熟悉程度同时预测了更高的信任报告但更低的遵循度;2)解释只能影响报告任务熟悉程度极低的人;3)向报告更高任务熟悉程度的人展示解释会导致自动化偏见。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
可解释人工智能中的用户特征:个性化中的兔子洞?
CHI '24· 可解释人工智能(XAI) +1
- 83%
关于认知:人类能力的一种错觉可能会妨碍对AI系统的适当依赖
CHI '23· 可解释人工智能(XAI) +2
- 83%
协作强化学习综述:交互方法与设计模式
DIS '21· 大语言模型(LLM)的人机协作 +2
- 83%
最优解释:因果图解释中人类错误的定量模型
IUI '26· 可解释人工智能(XAI) +2
- 83%
谁需要什么样的解释?用户特质如何影响人工智能辅助决策中解释的有效性
IUI '26· AI 辅助决策与自动化系统 +2
- 80%
整体是否超过其部分?AI解释对互补团队绩效的影响
CHI '21· 可解释人工智能(XAI) +1
- 80%
当信心遇到准确性:探索多个性能指标对机器学习模型信任的影响
CHI '22· 可解释人工智能(XAI) +1
- 80%
一种人工智能并不适合所有人:关于普通人对人工智能角色认知的聚类分析
CHI '23· 可解释人工智能(XAI) +1
- 80%
"帮助我帮助AI": 理解可解释性如何支持人机交互
CHI '23· 可解释人工智能(XAI) +1
- 80%
对比解释可以预见人类误解,从而提高人类决策技能
CHI '25· 可解释人工智能(XAI) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
IUI
calendar_month
年份
2019
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
可解释人工智能(XAI)、AI 辅助决策与自动化系统
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员、认知科学家
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文