研究發現：工作場所的機器學習能夠提高工作準確性，但增加人類工作量
研究背景
機器學習在日常生活中越來越受到歡迎，尤其在工作場所中。過去的研究表明，在處理大量資料或艱難的判斷任務時，機器學習可以幫助人們做出更好的決策。然而一些人擔心機器學習在工作場所中的應用是否會導致失業和人類工作量的減少。研究發現
近期由德國歐洲管理技術學院的三名管理科學教授進行的研究表明，使用機器學習技術可以提高人類決策的準確性，但也可能會增加人類的認知負擔。研究還發現，機器輸入始終可以提高人類決策的整體準確性，但也可能會增加某些型別的錯誤，例如假陽性。 研究人員使用機器學習模型比較僅由人類做出決策和機器輔助決策時的準確度、傾向和人類施加的認知負擔的差異。值得注意的是，使用機器增加人類的認知負荷最多的情況是當專業人員認知受限時。然而在決策者經歷高工作量的情況下，引入人工智慧以減輕一些負擔似乎更具吸引力，但研究表明，在這種情況下使用人工智慧使流程更快可能會事與願違，實際上會增加人類的認知努力。研究結論與啟示
總體而言，研究結果反映出機器學習對人類決策和判斷的重要影響，表明人類和機器之間的合作將是未來的趨勢。人們需要注意的是，儘管機器提供的訊息非常準確，但通常需要人們對其自身的訊息進行評估，並比較機器的建議與自己的結論，然後再做出決定。在人類決策者壓力下，所需的認知努力會增加。 然而引入機器學習以協助決策過程並不總是有益的，既不利於減少錯誤，也不利於減少認知負荷。，事實上引入機器可能會增加某些錯誤型別以及達成決策所需的時間和認知努力。因此人們應當警惕機器的適用情況，理解在哪些情況下機器更有效，哪些情況下使用機器將是得不償失的。 此外研究人員使用醫生和患者的例子，指出了機器在改進醫學診斷準確性和減少誤診患者方面的潛在價值，但如果疾病發病率低且時間受限，引入機器幫助醫生進行診斷可能會導致更多誤診患者的情況，從而增加了診斷的認知負荷。因此研究發現為那些希望在工作場所中引入機器的人員提供了指導，尤其對於人與機器之間的協作設計更有啟示意義。結論
總之機器學習在工作場所中的應用可以提高決策和判斷準確性，但可能增加認知負擔。當引入機器學習以減輕認知負荷時，人類專業人員需要格外小心，要認識到哪些情況下機器可以更有效，哪些情況下機器可能會增加認知負荷，甚至導致誤判。因此人類和機器之間的協作將是未來的趨勢，而對於利用機器學習來提高工作效率的人員，需要仔細評估在哪些情況下機器應該被引入。Machines/Technology-機器學習,工作準確性,人類工作量,研究
延伸閱讀
- 揭開 Mistral AI 的神祕面紗：揭示 OpenAI 競爭者的所有祕密！
- 全方位理解 Anthropic 的 AI：揭開 Claude 的神祕面紗！
- 探索 Microsoft Copilot：你必須知道的 AI 技術全解析！
- 研究人員利用 NPR 週日謎題測試 AI 推理能力的創新方法
- 「突破性發展！研究人員以不到 50 美元打造 OpenAI 的競爭對手」
- 「MLCommons 與 Hugging Face 聯手推出龐大語音資料集，助力 AI 研究新境界！」
- 深度探索聲稱其推理模型在特定基準測試中超越 OpenAI 的 o1！
- 《徹底解析 ChatGPT：你必須知道的 AI 聊天機器人一切！》
- OpenAI AI 推理模型竟然會「用中文思考」，背後原因成謎！
- Google 重組團隊進軍 DeepMind，力推研究轉化為開發的速度！
