人工智能可以抵消人类的弱点从而做出更好的决策

现代生活中充满了令人费解的人工智能——想想客户服务聊天机器人的误解，或者在你的 Spotify 播放列表中算法错误的发饰。Mustafa Mert Çelikok 说，这些人工智能系统无法有效地与人合作，因为他们不知道人类可以以看似非理性的方式行事。他是博士。学习人机交互的学生，其想法是利用双方的优势和劣势，并将它们融合成一个优秀的决策者。

在人工智能世界中，这种混合体的一个例子是“半人马”。它不是神话中的马-人，而是人-AI团队。半人马出现在 1990 年代后期的国际象棋中，当时人工智能系统变得先进到足以击败人类冠军。代替“人与机器”对决，半人马或半机械人国际象棋涉及一个或多个计算机国际象棋程序和每一方的人类玩家。

“这是国际象棋的一级方程式，”Çelikok 说。“宗师被打败了。超级人工智能被打败了。和强大的人工智能一起玩的宗师也输了。” 事实证明，与 AI 配对的新手玩家是最成功的。“新手没有强烈的意见”，可以与他们的 AI 队友形成有效的决策伙伴关系，而“大师们认为他们比 AI 更了解并在他们不同意时推翻他们——这是他们的失败，”Çelikok 观察到。

在象棋这样的游戏中，人类和人工智能都有明确的规则和明确的目标。但是在在线购物、播放列表或人类遇到算法的任何其他服务的世界中，可能没有共同的目标，或者目标可能定义不明确，至少从人工智能的角度来看是这样。Çelikok 正试图通过包含有关人类行为的实际信息来解决这个问题，以便多智能体系统——人与人工智能的类似半人马的伙伴关系——能够相互理解并做出更好的决策。

“人类与人工智能交互中的‘人类’尚未得到太多探索，”Çelikok 说。“研究人员不使用任何人类行为模型，但我们正在做的是明确使用人类认知科学。我们不是试图取代人类或教人工智能完成一项任务。相反，我们希望人工智能帮助人们做出更好的决定。” 就 Çelikok 的最新研究而言，这意味着帮助人们吃得更健康。

在实验模拟中，一个人正在浏览食品卡车，试图在他们值得信赖的人工智能自动驾驶汽车的帮助下决定去哪里吃饭。汽车知道乘客更喜欢健康的素食而不是不健康的甜甜圈。考虑到这个标准，人工智能汽车会选择走最短路径到素食餐车。不过，这个简单的解决方案可能会适得其反。如果最短路径经过甜甜圈店，乘客可能会驾驶轮子，超越人工智能。这种明显的人类非理性与最合乎逻辑的解决方案相冲突。

Çelikok 的模型通过帮助 AI 找出人类的时间不一致来独特地避免了这个问题。“如果你问人们，你现在想要 10 美元还是明天 20 美元，他们现在选择 10，但你再问，你想要 100 天后 10 美元还是 101 天后 20 美元，他们选择 20，即不一致，”他解释道。“差距没有被同等对待。这就是我们所说的时间不一致，典型的人工智能不会考虑非理性或时间不一致的偏好，例如拖延、即时改变偏好或诱惑甜甜圈。” 在 Çelikok 的研究中，人工智能汽车会发现，采取稍长的路线将绕过甜甜圈店，从而为乘客带来更健康的结果。

“人工智能有独特的优势和劣势，人类也有，”Çelikok 说。“人类的弱点是不合理的行为和时间不一致，人工智能可以修复和补充。” 另一方面，如果出现人工智能错误而人权正确的情况，人工智能将在被覆盖时学会根据人类的偏好行事。这是Çelikok 数学建模的另一个副作用。

Çelikok 说，将人类认知模型与统计数据相结合，可以让人工智能系统更快地了解人们的行为方式。它也更有效率。与训练一个拥有数千张图像的人工智能系统来学习视觉识别相比，与人交互是缓慢且昂贵的，因为只学习一个人的偏好可能需要很长时间。Çelikok 再次将其与国际象棋进行比较：人类新手或人工智能系统都可以理解规则和物理动作，但他们可能都难以理解大师的复杂意图。Çelikok 的研究正在寻找最佳动作和直觉动作之间的平衡，用数学构建现实生活中的半人马。

标签：