AI與人類決策者的完美協作：打造互補型人工智慧

當人工智慧技術蓬勃發展之際，如何將其有效整合到日常生活與職場中，成為關鍵課題。史丹佛商學院副教授Jann Spiess正致力於研究如何設計演算法，讓AI真正成為人類決策者的得力助手，而非取代者。

這項發表於arXiv預印本伺服器的研究特別切合時宜。隨著預測機器被應用於現實場景，越來越多實證顯示，在高風險決策中，AI輔助的成效往往與純人工判斷相差無幾。無論是信用評分過度依賴AI導致風險誤判，或是社群媒體內容審查因特定關鍵字而產生誤判，這些案例都顯示技術應用仍落後於AI本身的強大能力。

「目前鮮少研究真正嚴肅看待人機介面的設計問題。」Spiess指出，「我們對AI的討論過度聚焦在『AI是否比人類優秀』，這其實是錯誤的命題。更應該探討的是『如何讓AI與人類優勢互補』。」

當今AI發展過度強調功能而忽視可用性，導致使用者可能做出錯誤決策。過度依賴演算法可能讓人忽略重要背景資訊；反之，若建議過於僵化複雜，使用者可能完全棄用，錯失AI帶來的優勢。更危險的是誤解演算法運作原理卻仍採納其建議的情況。

Spiess主張，優化人機互動設計的關鍵在於理解決策者如何回應AI建議。「最佳演算法應該考量人類會如何解讀其提供的資訊。」他與賓州大學華頓商學院研究員Bryce McLaughlin共同提出「互補性」設計框架，強調強化人機協作而非完全取代人類判斷。

研究團隊透過模擬招聘實驗驗證此概念，受試者在不同AI輔助模式下做出25項聘用決策。結果顯示，採用「互補型演算法」的組別表現最佳，這種演算法僅在人類可能猶豫或出錯時提供建議，成效超越純預測型演算法與無AI輔助組別。

「AI確實有望改善決策品質與結果。」Spiess表示，這引發新思考：「如何設計適用於公共政策的演算法？若能透過透明公正的大數據應用改善政策，才能真正實現AI潛力。」他特別關注資源分配議題，例如如何在預算有限的情況下，將教學資源精準投放至需求最高的學區。

「這需要結合技術能力與實際情境理解，並建立人類行為模型。」Spiess強調史丹佛商學院的獨特優勢，「我們不僅具備相關研究傳統，更身處矽谷核心，擁有將理論轉化為實際應用的最佳環境。」

[end]