Efficacia della Collaborazione Umano-IA: migliorare l'integrazione di consigli provenienti da agenti artificiali
Type: dissertation
Abstract: Uno dei principi fondamentali della scienza cognitiva è che la mente umana è un sistema di elaborazione delle informazioni con diversi limiti ben noti. La nostra architettura cognitiva limita la gamma di dati che possiamo raccogliere dall'ambiente; inoltre, l'uso delle informazioni che raccogliamo, in particolare i consigli degli altri, è generalmente adattivo ma non ottimale. I recenti sviluppi nell'informatica hanno portato alla creazione di sistemi di supporto decisionale sempre più efficienti, principalmente attraverso varie forme di intelligenza artificiale, che possono essere utilizzati per potenziare l'elaborazione delle informazioni umane compensando i limiti della percezione, dell'attenzione, del carico di lavoro e dei processi decisionali. Tuttavia, i limiti nei processi decisionali sono particolarmente difficili da affrontare. Dato che gli esseri umani sono e continueranno ad essere i decisori finali in molti ambiti, è importante capire come rendere più efficace la collaborazione tra esseri umani e intelligenza artificiale. In questo studio abbiamo esaminato quattro possibili aree di intervento: competenza dell'assistente, posta in gioco della decisione, variabilità individuale, progettazione del contesto decisionale. Abbiamo anche studiato come potrebbe funzionare l'integrazione dei consigli tra due modelli multimodali di linguaggio, per ottenere ulteriori informazioni su come l'IA potrebbe essere utilizzata per potenziare il processo decisionale umano e per comprendere il potenziale della collaborazione tra IA e IA. I nostri risultati mostrano innanzitutto che i decisori umani adottano i consigli altrui e che l'adozione migliora le prestazioni finali se i consigli sono di buona qualità. Mostriamo inoltre che l'adozione dei consigli rimane subottimale, nonostante i miglioramenti, e che aumenta le prestazioni decisionali senza raggiungere effettivamente una sinergia con il l'assistente in media: le decisioni finali assistite sono più accurate rispetto alle decisioni prese da soli, ma non sono in media superiori alle decisioni del miglior valutatore disponibile. In secondo luogo, la competenza dell'assistente porta a migliori miglioramenti nell'adozione dei consigli rispetto alle variazioni nella posta in gioco delle decisioni sotto forma di incentivi economici, che invece tendono ad aumentare i tempi di risposta senza miglioramenti evidenti nell'accuratezza del giudizio finale. In terzo luogo, sia un modello decisionale simultaneo sia uno sequenziale portano a miglioramenti comparabili nella prestazione finale, con integrazione di consigli paragonabili. In quarto luogo, forniamo prove degli effetti della variabilità interindividuale nell'integrazione dei consigli e del raggruppamento in termini di prestazione e ancoraggio quando si interagisce con assistenti IA. Infine, evidenziamo somiglianze e differenze in termini di prestazione e ancoraggio tra la mente umana e l'intelligenza artificiale. Il nostro lavoro contribuisce alla letteratura sulla collaborazione umano-IA indagando le aree di intervento per rendere più efficace la cooperazione, evidenziando la misura in cui è possibile ottenere vantaggi in termini di prestazioni. Contribuisce anche allo sviluppo iniziale del campo della collaborazione IA-IA, verso un futuro in cui i sistemi di IA saranno sempre più autonomi e dotati di capacità agentiche.
Author: INTROZZI, LUCA
Language: English
Subfield: Human Factors and Ergonomics
Field: Social Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7164467674