急速发展的人工智能需要对其如何和谐融入我们的决策过程进行深入思考。算法，通常被视为替代品，应当成为战略合作伙伴。这一*互补性*的范式建议人机互动超越简单的算法辅助。
对人类表现与更新的算法能力的深入理解可以优化决策。*每一个受到人工智能影响的决策都值得仔细设计*。与这一协同作用相关的伦理和实践问题将决定我们的共同未来。
上述研究强调了*以人为中心的算法设计*的必要性。因此，这一方法旨在创建强大的工具，能在保持人类路径的同时提升决策质量。
以用户为中心的人工智能设计
研究人员，包括Jann Spiess，探索旨在支持人类决策的算法设计。这项研究基于一种互补的方法，强调算法与用户之间的互动。目前的人工智能应用设计往往更注重技术能力，而忽视了易用性。经过深思熟虑的设计可以改变用户与技术互动的方式。
基于人工智能辅助决策的研究结果
近期研究表明，在高风险决策中，依靠人工智能的辅助并不一定会产生比没有算法援助的决策更好的结果。例如，在信用报告领域，过度依赖人工智能可能引发对风险评分的误解。研究人员强调需要澄清算法如何进行推荐。
互补性概念框架
Spiess及其同事Bryce McLaughlin制定的概念框架模拟了人类如何对算法推荐做出反应。该模型旨在实现人机之间更有效的协作，而非削弱人类角色。研究表明，使用互补算法的用户，即那些在不确定情况下提供选择性推荐的用户，做出更准确的决策。
推荐策略的实验
在一次模拟招聘实验中，参与者接触了不同的推荐策略。使用互补算法的参与者，该算法在不确定情况下提供具体建议，表现优于使用传统预测算法的参与者。这些有趣的结果显示了人工智能在旨在补充人类能力时的潜力。
社会领域的挑战与应用
这项研究的影响涉及公共政策和资源分配问题。通过在透明的流程中整合大规模数据，可以改善采用人工智能进行决策的社会影响。Spiess尤其关注在有限环境中资源的分配，例如在贫困地区学校安排辅导员。
伦理算法的未来前景
研究人员探讨是否可以将以盈利为中心的方法应用于社会干预。社交目标的理念，如同个性化广告，可以使资源分配更具战略性。研究正朝着创造能够解决复杂问题的算法方向发展，尤其是在缺乏明确解决方案的领域。
战略合作伙伴关系与技术创新
Spiess提到，与其他经济和技术专家的合作可能会提供创新解决方案。硅谷动态的环境为在上下文中建模这些算法提供了明显的优势。技术能力与人类理解的协同作用可能会导致切实有益的应用。
探索其他研究
这项研究为一系列进展中的项目做出了贡献，旨在更好地理解和利用人工智能的潜力。近期一篇文章探讨了人工智能与人类决策模型之间的张力，为创新应用提供了思考方向。
要查看更多相关资源，请浏览以下文章：
识别压力源的人工智能模型,
NVIDIA的超预期结果,
预测性人工智能测试技术用于前列腺癌,
生成性人工智能与三维结构,
谷歌广告与人工智能的定向。
常见问题解答
以人类决策者为考量的人工智能方法是什么？
这是一种设计人工智能算法以支持人类决策过程，而不是替代它的方法。它包括考虑用户与人工智能之间的互动，以优化结果。
以人类决策者为中心的方法如何改善决策？
通过在算法开发中纳入用户的偏好、需求和背景，这种方法有助于提供更相关和适合的推荐，从而提高决策质量和准确性。
在决策中使用互补算法有哪些好处？
互补算法在不确定的情况下提供具体建议，从而导致比单独使用预测算法或没有算法支持时更好的决策。
人工智能如何用于公共或政策决策？
它可以通过分析数据，识别最有效的社会干预来优化资源分配，从而改善政策决策的透明度和公平性。
将人工智能与人类决策整合面临哪些挑战？
挑战包括用户对人工智能推荐的信任、对算法局限性的理解，以及需要设计便于人机互动的直观界面。
Jann Spiess及其同事提出的设计概念框架是怎样的？
该框架模拟人类如何对算法推荐作出反应，并提出开发旨在加强人机协作而不是完全替代人类判断的人工智能工具。
如何衡量支持人类决策的算法的有效性？
可以通过改善利用算法辅助决策的结果来衡量其有效性，例如通过模拟实验，例如在招聘决策研究中所进行的。
用户对使用人工智能工具进行培训的重要性是什么？
适当的培训对于帮助用户理解算法的工作原理、避免对推荐的误解并优化人工智能在其决策过程中的使用至关重要。
