تحقیقات جدید ESMT برلین نشان میدهد که یادگیری ماشینی در محیط کار همیشه دقت تصمیمگیری انسان را بهبود میبخشد، با این حال، اغلب میتواند باعث شود که انسان در هنگام تصمیمگیری تلاشهای شناختی بیشتری انجام میدهند. محققان میخواستند بررسی کنند که چگونه پیشبینیهای مبتنی بر ماشین ممکن است بر فرآیند تصمیمگیری و نتایج یک تصمیمگیری انسانی تأثیر بگذارد.
جالب توجه است، استفاده از ماشینها زمانی که فرد حرفهای از نظر شناختی محدود است، به عنوان مثال، فشار زمانی یا چندوظیفهای را تجربه میکند، بیشترین حجم کار انسان را افزایش میدهد. با این حال، موقعیتهایی که تصمیمگیرندگان بار کاری بالایی را تجربه میکنند، دقیقاً زمانی است که معرفی هوش مصنوعی برای کاهش بخشی از این بار وسوسهکنندهتر به نظر میرسد.
این تحقیق نشان میدهد که استفاده از هوش مصنوعی،برای سریعتر کردن فرآیند میتواند نتیجه معکوس داشته باشد و در واقع به جای کاهش تلاش شناختی انسان، تلاشهای شناختی انسان را افزایش دهد.
محققان همچنین دریافتند که اگرچه ورودی ماشین همیشه دقت کلی تصمیمات انسانی را بهبود میبخشد، اما همچنین میتواند احتمال انواع خاصی از خطاها، مانندخطای مثبت کاذب را افزایش دهد.
برای این مطالعه، یک مدل یادگیری ماشینی برای شناسایی تفاوتها در دقت، تمایل، و سطوح تلاش شناختی اعمال شده توسط انسانها، مقایسه تصمیمهای صرفاً ساختهشده توسط انسان با تصمیمهای به کمک ماشین استفاده شد.
یکی از محققان میگوید: «پذیرش سریع فناوریهای هوش مصنوعی توسط بسیاری از سازمانها اخیراً این نگرانی را ایجاد کرده است که هوش مصنوعی در نهایت ممکن است جایگزین انسانها در برخی وظایف شود. با این حال، وقتی از آن در کنار منطق انسانی استفاده میشود، ماشینها میتوانند به طور قابل توجهی نقاط قوت مکمل انسانها را افزایش دهند.
محققان می گویند یافته های آنها به وضوح ارزش همکاری بین انسان ها و ماشین ها را برای افراد حرفه ای نشان می دهد. اما انسانها همچنین باید آگاه باشند که اگرچه ماشینها میتوانند اطلاعات فوقالعاده دقیقی را ارائه دهند، اما اغلب هنوز نیاز است تا قبل از تصمیمگیری، تلاشهای شناختی از سوی انسانها برای ارزیابی اطلاعات خود و مقایسه نسخههای دستگاه با نتایج خود انجام شود.
محققان می گویند زمانی که انسان برای تصمیم گیری تحت فشار قرار می گیرد، سطح تلاش شناختی مورد نیاز افزایش می یابد. ماشینها میتوانند وظایف خاصی را با دقت باورنکردنی انجام دهند، به دلیل قدرت محاسباتی فوقالعادهشان، در حالی که در مقابل، تصمیمگیرندگان انسانی انعطافپذیر و سازگار هستند، اما به دلیل ظرفیت شناختی محدودی که دارند به همان اندازه محدود هستند. در واقع مهارتهای آنها مکمل یکدیگر هستند. انسان ها باید مراقب شرایط استفاده از ماشین ها باشند و بفهمند چه زمانی موثر است و چه زمانی موثر نیست.
با استفاده از مثال پزشک و بیمار، یافتههای محققان نشان میدهد که استفاده از ماشینها دقت تشخیصی کلی را بهبود میبخشد و تعداد بیماران مبتلا شناخته شده به اشتباه را کاهش میدهد. با این حال، اگر شیوع بیماری کم باشد و زمان محدود باشد، معرفی دستگاهی برای کمک به پزشکان در تشخیص آنها، منجر به تشخیص اشتباه بیشتر بیماران میشود و تلاشهای شناختی بیشتری برای تشخیص مورد نیاز است. محققان بیان میکنند که یافتههای آنها برای کسانی که به دنبال پیادهسازی ماشینها در کار هستند، هم امیدواری و هم احتیاط دارد. از جنبه مثبت، میانگین دقت بهبود مییابد، و زمانی که ورودی ماشین تمایل دارد تا حد انتظار را تأیید کند، همه نرخهای خطا کاهش مییابد و انسان با کاهش تلاشهای شناختیاش «کارآمدتر» میشود.
با این حال، گنجاندن پیشبینیهای مبتنی بر ماشین در تصمیمگیریهای انسانی، نه از نظر کاهش خطاها و نه از نظر میزان تلاش شناختی، همیشه سودمند نیست. در واقع، معرفی یک ماشین برای بهبود فرآیند تصمیمگیری میتواند نتیجه معکوس داشته باشد، زیرا میتواند انواع خطاها و زمان و تلاش شناختی لازم برای رسیدن به یک تصمیم را افزایش دهد.
یافتهها بر تأثیر حیاتی پیشبینیهای مبتنی بر ماشین بر قضاوت و تصمیمگیری انسان تأکید میکنند. این یافتهها راهنماییهایی را در مورد اینکه چه زمانی و چگونه ورودی ماشین باید در نظر گرفته شود و از این رو یک طراحی از همکاری انسان و ماشین را ارائه میدهد.