arXiv cs.AI· Andrea Campagner, Federico Cabitza, Vincenzo Crupi·· 11 小时前AI 评分38
人类与机器何时才能真正互补？人机协同的形式条件与实证证据
When Do Humans and Machines Truly Complement Each Other? Formal Conditions and Empirical Evidence for Human-AI Synergy
AI 导读
一篇 arXiv 论文提出用“依赖模式”刻画人类与算法决策的联合正确性结构，并推导出人机协同的数学充要条件：协同能否出现，取决于任一方能否识别并纠正对方的错误，即“人类纠正”与“算法纠正”。基于七项临床案例的分析显示存在“支配陷阱”——算法优势过强反而会削弱人类的纠正性干预、抑制协同；而只要人机错误在功能上不相关，即使存在自动化偏差等认知偏差，协同仍可维持。
正文 · AI 翻译
摘要：人类与人工智能能否合作，使二者结合后的准确率高于任何一方单独行动？这一结果被称为\emph{协同}或\emph{互补性}，众所周知极难实现，即使双方都具备显著的独立准确率也是如此。本文提出了一个形式化框架，通过依赖模式这一视角来建模人机交互，依赖模式刻画了人类决策与算法决策的联合正确性结构。我们推导出协同的数学充要条件，证明协同的出现取决于任一方识别并纠正另一方错误的能力，我们称之为人类纠正与算法纠正。除理论贡献外，所提出的框架还为基于知识的决策支持系统的设计与评估提供了基础，在这类系统中，交互策略必须动态整合异构的专业知识来源。我们通过分析七个临床案例研究来证明这一点。我们的实证结果揭示了一个“支配陷阱”，即强大的算法优势可能通过侵蚀人类的纠正性干预而悖论性地抑制协同。我们还表明，即使存在认知偏差（如自动化偏差），只要人类与人工智能的错误之间存在功能性去相关，协同仍可持续存在。这些结果为人类-人工智能系统文献中的关键概念提供了形式化基础，并为设计以交互为中心、促进互补性的人工智能系统提供了可操作的见解。
| 评论： | 本工作已提交至 IEEE Transactions on Human-Machine Systems 并正在审稿中，可能被发表。版权可能在不另行通知的情况下转移 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27965 [cs.AI] |
| （或 arXiv:2610.27965v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27965 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Andrea Campagner [查看电子邮件]
[v1]
2026年10月20日星期二 10:09:59 UTC（110 KB）
来源：arXiv cs.AI · arxiv.org