[论文解读] Human-AI Symbiosis: A Survey of Current Approaches

Zahra Zahedi, Subbarao Kambhampati|arXiv (Cornell University)|Mar 18, 2021

Ethics and Social Impacts of AI参考文献 49被引用 7

一句话总结

本综述通过分析互补流程、任务时域、模型表征、知识层级和协作目标等关键维度，提出了人类-AI共生研究的全面分类体系。该研究将多样化的工作整合为统一框架，以阐明各研究之间的关联，并指导未来的人机协作研究。

ABSTRACT

In this paper, we aim at providing a comprehensive outline of the different threads of work in human-AI collaboration. By highlighting various aspects of works on the human-AI team such as the flow of complementing, task horizon, model representation, knowledge level, and teaming goal, we make a taxonomy of recent works according to these dimensions. We hope that the survey will provide a more clear connection between the works in the human-AI team and guidance to new researchers in this area.

研究动机与目标

• 解决人机共生研究中不同研究方向之间缺乏连贯性和关联性的问题。
• 识别并分类区分人机协作方法的关键维度。
• 提供一个结构化的分类体系，使研究人员能够定位、比较并整合不同研究脉络中的方法。
• 指导新研究者理解人机协作的研究格局，并识别跨维度创新的机会。
• 强调团队绩效而非个体绩效的重要性，以及长期互动在塑造协作目标中的作用。

提出的方法

• 提出一个多维框架以分类人机共生研究，包括互补流程（人到AI、AI到人、对等）、任务时域（单次任务与序列任务）以及模型表征（信念、目标、奖励函数、误差模型）。
• 通过抽象背景知识（如意图、能力与计算约束）分析模型表征，以捕捉代理层面的理解。
• 根据知识与能力层级对研究工作进行分类，区分高层次推理与低层次感知或诊断任务。
• 通过绩效目标与交互状态分析协作目标，区分短期互动与长期互动。
• 在任务与团队层级整合协调机制，如非语言线索、运动预测以及共享规划界面（如RADAR与Mobi）。
• 利用医疗决策支持、再犯风险预测、机器人技术与众包调度等不同领域的案例研究，说明这些维度在现实应用中的实际体现。

实验结果

研究问题

• RQ1 如何系统性地对人机共生中的多样化方法进行分类，以揭示原本孤立的研究脉络之间的关联？
• RQ2 区分人机协作系统的关键维度是什么？这些维度如何影响系统设计与性能？
• RQ3 互补流程（人到AI、AI到人、对等）如何影响人机团队中交互、信任与可解释性的设计？
• RQ4 任务时域（单次任务与序列任务）以及模型表征（如信念、奖励函数）在多大程度上影响人类与AI行为的建模？
• RQ5 协作目标——尤其是绩效目标与交互状态——如何随时间影响人机协作系统的设计？

主要发现

• 本综述识别出五个核心维度——互补流程、任务时域、模型表征、知识/能力层级与协作目标——这些维度共同构建了人机共生研究的总体格局。
• 人机共生研究常因聚焦于不同维度而彼此孤立，但通过共享维度进行聚类可揭示方法间潜在的交叉融合机会。
• AI到人的互补需要强大的可解释性与透明度，尤其在长期互动中，信任与相互理解会持续演化。
• 对等互补支持双向反馈与协调，相比单向协助，能实现更灵活高效的合作。
• 序列决策任务（如规划、调度）需要更丰富的模型表征，包括意图、目标与误差模型，以支持动态协调。
• 优化个体代理性能并不能保证团队绩效；个体目标与团队目标的一致性至关重要，尤其是在长时域交互中。