结果揭示了几个关键的发现 。首先，当人工和AI各自独立作决策时 ， AI的判断准确率明显超过人工 ， 特别是当数据量大的情况下，人在决策时明显存在信息过载等问题 。其次，在小数据情况下，人的参与并不能显著提升合作效率 。并且，在大数据环境下，人类只有在被告知AI决策逻辑的前提下，才能对违约率判断产生积极的价值 。
换言之 ， 如果信息复杂度（即大数据环境）和AI决策逻辑信息二者不能同时满足时，人类信审员在AI的辅助下要么全盘听从，要么错误地坚持己见，从而使得合作效率与AI独自决策时相差无几；但两个条件的同时满足却能及时激发人工展现其独立思考和纠错能力，这恰恰体现了人类在人机协同场景下的独特价值 。
“在大数据背景下，人工难以有效运用如购买记录等大数据信息，并将其与自身决策融合 ， 尽管仍依赖传统数据，人工的判断能力并未显著提升 。”张颖婕说 。
相比之下 ， AI在处理大数据信息上，显示出更强的提取、转化和运用能力，从而得出更精准的判断 。另外，当面对中间情况且处于纠结状态时，人工更倾向于依赖AI的决策，但当申请人的情况较为极端时，人工通常会依赖自己的判断而非接受AI的建议 。
算法面前人的情感不可忽视
张颖婕的研究，揭示了人机协同在提升系统性能和效率方面的巨大潜力 。在互联网金融借贷的实验中 ， 人机协作行为使得整个系统的预测正确率提升了一倍 ， 系统违约率从原先的6%降低到3.8% 。这项研究表明 ， 人机协同可以提高系统的性能和效率，同时也需要充分考虑人的因素和作用 。
研究发现，在引入机器学习算法进行先期预测推荐后，人工审核员在大部分情况下会倾向于听从算法的意见 。然而，当提供了用户大数据以及算法的具体机制解释之后，人们会在看到算法建议之后，自发地进行一个重思考的过程，不再一味地认为AI是好的，而是对AI进行有效修正 。
值得关注的是，人的情感也应当是人机协同中被考量的重要因素，这涉及AI向善和伦理问题 。在外卖骑手的例子中，骑手有时候并不会遵从算法规划的路线，这可能由于算法决策没有考虑到骑手的情况，例如骑手位置、疲劳程度、实际路况等，亦或是骑手的过往经验让他们做出背离算法的决策 。
“机器只能给你建议，最后还得是人来完成 。”张颖婕表示 ， 算法其实是非常厉害的 ， 如果骑手能够按照算法推荐的路线 ， 他的收益一定是最高的 。但事实却是，百分之七八十的骑手，都不会完全遵从算法的推荐 。
在张颖婕看来，这些问题不是人工智能本身造成的，而是使用者和管理者存在的问题，如平台方和企业 。人机协同固然可以提高系统的性能和效率，但也需要充分考虑人的因素和作用 。在设计和应用AI技术时，需要考虑到人的需求和利益，以确保AI技术能够真正为人类服务 。
那么人与AI，什么时候能达到最优的调和效果呢？
一种新的算法策略出现了：即算法会去预测人会不会违约，会不会不遵守算法，而把人的情感考虑到算法的模型里边 。在设计者看来，这种策略按算法来说可能不是最优的，但一定是算法加人最优的 。
“如果在特定的场景下，只能依靠人来做最后决策的话，你就要考虑全局，把人的情感也考虑进去 。”张颖婕说 。
参考文献
1、Lu, Tian and Zhang, Yingjie, 1 + 1 > 2? Information, Humans, and machines. Available at SSRN: https://ssrn.com/abstract=4045718
2、Lu, Tian, Zhang, Yingjie, Li, Beibei. Profit vs. Equality? The Case of Financial Risk Assessment and A New Perspective on Alternative Data. MIS Quarterly, 2023, 47(4): 1517-1556.
文章插图
张颖婕，光华管理学院市场营销学系副教授，卡内基梅隆大学博士（信息管理系统方向），曾就职于美国德州大学达拉斯分校，主要研究领域包括跨学科方法论研究、人机协同、共享经济、社交媒体、用户行为等 。
推荐阅读
- 文心一言入门教程
- 一起探索\HBN\护肤品的美丽秘密!
- 妄想山海奇履兵祸图在哪里，妄想山海兽皮宝图任务怎么探索
- 反向代理服务器与CDN的协同作用
- C++初始化列表：探索多种初始化方式
- 无人机限高多少米，遥控无人机最高多少米
- 探索Java的HTTP请求与响应处理机制
- Gorm 中的迁移指南
- 人机协同决策：深度学习与人类智慧的结合
- 学习Go编程