[论文解读] Complementarity in Human-AI Collaboration: Concept, Sources, and Evidence
本论文为人机互补性建立了理论框架，定义互补潜力及其固有/协作成分，并通过关于信息和能力不对称性的两个经验研究来验证。
Artificial intelligence (AI) has the potential to significantly enhance human performance across various domains. Ideally, collaboration between humans and AI should result in complementary team performance (CTP) -- a level of performance that neither of them can attain individually. So far, however, CTP has rarely been observed, suggesting an insufficient understanding of the principle and the application of complementarity. Therefore, we develop a general concept of complementarity and formalize its theoretical potential as well as the actual realized effect in decision-making situations. Moreover, we identify information and capability asymmetry as the two key sources of complementarity. Finally, we illustrate the impact of each source on complementarity potential and effect in two empirical studies. Our work provides researchers with a comprehensive theoretical foundation of human-AI complementarity in decision-making and demonstrates that leveraging these sources constitutes a viable pathway towards designing effective human-AI collaboration, i.e., the realization of CTP.
研究动机与目标
- 定义人机互补性概念并形式化互补潜力（CP）。
- 识别并分类 CP 的来源，包括信息不对称和能力不对称。
- 区分固有 CP 和协作 CP，并将其与实现的性能提升（CE）联系起来。
- 在两个研究中经验性地验证该框架：信息不对称在房地产评估中的应用，能力不对称在图像分类中的应用。
提出的方法
- 将人类（H）与人工智能（AI）决策以及协作机制 I(·) 正式化为决策过程。
- 将互补潜力（CP）定义为最佳单一参与者损失与0-损失真实值之间的差，并分解为 CPinh 与 CPcoll。
- 将实现的互补效应（CE）定义为协作所带来 的损失降低，包含 CEinh 与 CEcoll 两个组成部分。
- 推导 CP、CPinh、CPcoll、CE 及 CE 成分的方程（Equations 3–10）。
- 开发两个实验研究以分离信息不对称（房地产估值）和能力不对称（图像分类）。
- 讨论在决策制定中设计与评估人机协作的含义。
实验结果
研究问题
- RQ1RQ1: 如何建模人机决策，以实现对人机团队协同作用的细微理解？
- RQ2RQ2: 在人机决策中，哪些因素促成互补性团队绩效（CTP）？
主要发现
- 互补潜力（CP）分解为固有 CP 和协作 CP，二者共同解释了人类与 AI 如何在各自独立时超越对方的情形。
- 两项研究的证据表明信息不对称和能力不对称可以增加 CP 并在决策任务中实现 CTP。
- 在房地产研究中， Humans 结合独特的情境信息与 AI 预测共同促进 CP。
- 在图像分类研究中，人类与 AI 之间的能力异质性有助于 CP 并实现 CTP。
- 该框架提供了一种在各类任务中衡量实现的协作（CE）及其固有/协作成分的方法。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。