如今，人機(jī)協(xié)同在業(yè)界有著廣泛的應(yīng)用場(chǎng)景。而人機(jī)協(xié)同在業(yè)界的流行，也促使越來(lái)越多的學(xué)者關(guān)注這一領(lǐng)域，以探究人在AI的協(xié)助下會(huì)產(chǎn)生什么樣的行為、決策等變化。

　　北京大學(xué)光華管理學(xué)院市場(chǎng)營(yíng)銷學(xué)系副教授張穎婕，特別關(guān)注從人機(jī)協(xié)同和共同進(jìn)化的視角來(lái)系統(tǒng)性設(shè)計(jì)評(píng)估智能策略，在提升商業(yè)價(jià)值的同時(shí)兼顧社會(huì)公平性。研究發(fā)現(xiàn)，人機(jī)協(xié)同在提升系統(tǒng)性能和效率方面存在巨大潛力；而在人機(jī)協(xié)同過(guò)程中，也需要充分考慮人的因素和作用。

　　技術(shù)驅(qū)動(dòng)下的人機(jī)協(xié)同發(fā)展
　　在AI技術(shù)相對(duì)成熟的現(xiàn)階段，張穎婕發(fā)起叩問(wèn)，人還能發(fā)揮多大的作用呢？人是否能挖掘出AI未能觸及或者未能實(shí)現(xiàn)的價(jià)值呢？張穎婕以AI的發(fā)展為切入點(diǎn)，思考在人工智能進(jìn)入社會(huì)后，人類應(yīng)當(dāng)如何發(fā)揮主觀能動(dòng)性，由此引出了自身關(guān)于人機(jī)協(xié)作的研究主題，以及人類應(yīng)當(dāng)如何實(shí)現(xiàn)自身價(jià)值的問(wèn)題。
　　基于這一問(wèn)題，張穎婕回顧了學(xué)術(shù)界對(duì)不同情境下AI應(yīng)用的最新研究，并介紹了AI技術(shù)在業(yè)界受到了哪些挑戰(zhàn)。
　　張穎婕表示，當(dāng)前人工智能研究領(lǐng)域有兩類學(xué)者：一類關(guān)注技術(shù)方向上的突破與演進(jìn)，如借由算法和大數(shù)據(jù)改進(jìn)模型，優(yōu)化股票走勢(shì)預(yù)測(cè)，促進(jìn)商業(yè)智能化轉(zhuǎn)型；另一類則將目光聚焦在“人”身上，基于現(xiàn)有技術(shù)，研究如何更好地配合人工智能，如何在現(xiàn)有技術(shù)條件下與人工智能進(jìn)行互動(dòng)。她屬于后者。
　　關(guān)于人在人機(jī)協(xié)作中的行為特點(diǎn)，近年來(lái)的研究也做了不少探索嘗試：一方面是AI-Aversion現(xiàn)象，即人由于缺乏信任、依賴個(gè)人經(jīng)驗(yàn)和直覺、擔(dān)憂低層次工種被取代等原因，對(duì)AI存在“抵制”，另一方面是Cyborg Effect現(xiàn)象，這是前者的極端反面，即AI給定決策建議后人的能動(dòng)性下降，人更加依賴AI而不愿意主動(dòng)決策。
　　在她看來(lái)，隨著AI的“類人”性以及自身算法能力的不斷提升，再加上AI的“商業(yè)版圖”的不斷壯大，AI和人共存合作的可能性和必要性也在不斷增強(qiáng)。換句話說(shuō)，人是難以避免和AI產(chǎn)生接觸的。
　　消費(fèi)者與AI制造
　　先前的研究表明，消費(fèi)者不太喜歡機(jī)器人客服，因?yàn)闄C(jī)器人客服不夠聰明，無(wú)法與消費(fèi)者共情。然而，隨著人工智能技術(shù)的不斷發(fā)展，如ChatGPT等智能AI的出現(xiàn)，這些問(wèn)題正在逐漸解決。現(xiàn)在的AI產(chǎn)品已經(jīng)進(jìn)化到與人相似的程度，消費(fèi)者可能會(huì)慢慢接受這些產(chǎn)品。
　　因此，張穎婕認(rèn)為先前的研究結(jié)論可能不再適用，她想探索的是在新的技術(shù)背景下，消費(fèi)者對(duì)于AI產(chǎn)品的態(tài)度和接受度。
　　當(dāng)AI已經(jīng)成熟了，當(dāng)世界上AI已經(jīng)很普遍了，作為消費(fèi)者的自己，會(huì)怎么樣面對(duì)？在張穎婕看來(lái)，機(jī)器學(xué)習(xí)是一個(gè)向上走的趨勢(shì)，會(huì)越來(lái)越智能，這是毋庸置疑的。作為消費(fèi)者或者作為人這個(gè)群體來(lái)說(shuō)，對(duì)人工智能的態(tài)度，已經(jīng)或者即將不能用“AI不夠聰明”來(lái)作為抵制AI產(chǎn)品的理由了。
　　“但不知道人們的態(tài)度會(huì)不會(huì)是一個(gè)曲線，就是當(dāng)機(jī)器進(jìn)化到一定程度的時(shí)候，人們會(huì)先欣然接受并享受AI制造，但是當(dāng)AI進(jìn)一步進(jìn)化之后，消費(fèi)者或用戶的態(tài)度又會(huì)如何則是一個(gè)難以預(yù)測(cè)的問(wèn)題。我們需要持續(xù)跟進(jìn)并及時(shí)作出預(yù)測(cè)?！睆埛f婕說(shuō)。
　　張穎婕表示，在不同領(lǐng)域人與AI之間的合作和決策過(guò)程可能因情境而異，需要考慮不同的因素。在金融領(lǐng)域進(jìn)行的研究可能得出的結(jié)論與其他領(lǐng)域不同，因?yàn)椴煌袠I(yè)的工作特點(diǎn)和需求不同。
　　在某些情況下，人工審核決策可能沒有任何作用，而人工智能能夠以更高的準(zhǔn)確率來(lái)做出決策。在另外的場(chǎng)景中，人類仍然具有價(jià)值，需要通過(guò)刺激來(lái)發(fā)揮他們的作用，這可能涉及提供大量數(shù)據(jù)、解釋人工智能的決策以及使用激勵(lì)方法。
　　人機(jī)協(xié)同的應(yīng)用與提升
　　在張穎婕看來(lái)，AI賦能生產(chǎn)力是現(xiàn)階段AI持續(xù)進(jìn)化帶來(lái)的一大益處，甚至是最大益處。但AI的賦能同樣離不開有效的人機(jī)協(xié)同。機(jī)器與人如果能發(fā)揮協(xié)同作用，決策的整體效果會(huì)更好。
　　針對(duì)這一情況，張穎婕的研究試圖解答三個(gè)問(wèn)題：一是通過(guò)系統(tǒng)設(shè)計(jì)探索人類在人機(jī)協(xié)作中的貢獻(xiàn)；二是解析這一人機(jī)協(xié)作的生成機(jī)制與原因；三是探討如何利用人類的異質(zhì)性來(lái)提升協(xié)作效能。
　　張穎婕選取亞洲的小額貸款公司為研究對(duì)象，對(duì)比了人工和AI在批準(zhǔn)借款人違約率方面的決策差異。實(shí)驗(yàn)結(jié)果顯示：在AI與人無(wú)合作（分別獨(dú)自決策）的情況下，AI決策比人工決策結(jié)果違約率更低，給AI提供大數(shù)據(jù)能夠顯著降低違約率（但數(shù)據(jù)量對(duì)人工決策結(jié)果違約率無(wú)顯著影響）；而在給人工提供AI決策建議且這一建議與人工決策結(jié)論產(chǎn)生分歧時(shí)，有60%—80%的人會(huì)選擇接受AI的決策建議改變自己的決策（當(dāng)提供AI決策依據(jù)時(shí)這一比例會(huì)更高）。
　　結(jié)果揭示了幾個(gè)關(guān)鍵的發(fā)現(xiàn)。首先，當(dāng)人工和AI各自獨(dú)立做決策時(shí)，AI的判斷準(zhǔn)確率明顯超過(guò)人工，特別是當(dāng)數(shù)據(jù)量大的情況下，人在決策時(shí)明顯存在信息過(guò)載等問(wèn)題。其次，在小數(shù)據(jù)情況下，人的參與并不能顯著提升合作效率。并且，在大數(shù)據(jù)環(huán)境下，人類只有在被告知AI決策邏輯的前提下，才能對(duì)違約率判斷產(chǎn)生積極的價(jià)值。
　　換言之，如果信息復(fù)雜度（即大數(shù)據(jù)環(huán)境）和AI決策邏輯信息二者不能同時(shí)滿足時(shí)，人類信審員在AI的輔助下要么全盤聽從，要么錯(cuò)誤地堅(jiān)持己見，從而使得合作效率與AI獨(dú)自決策時(shí)相差無(wú)幾；但兩個(gè)條件的同時(shí)滿足卻能及時(shí)激發(fā)人工展現(xiàn)其獨(dú)立思考和糾錯(cuò)能力，這恰恰體現(xiàn)了人類在人機(jī)協(xié)同場(chǎng)景下的獨(dú)特價(jià)值。
　　“在大數(shù)據(jù)背景下，人工難以有效運(yùn)用如購(gòu)買記錄等大數(shù)據(jù)信息，并將其與自身決策融合，盡管仍依賴傳統(tǒng)數(shù)據(jù)，人工的判斷能力并未顯著提升?！睆埛f婕說(shuō)。
　　相比之下，AI在處理大數(shù)據(jù)信息上，顯示出更強(qiáng)的提取、轉(zhuǎn)化和運(yùn)用能力，從而得出更精準(zhǔn)的判斷。另外，當(dāng)面對(duì)中間情況且處于糾結(jié)狀態(tài)時(shí)，人工更傾向于依賴AI的決策，但當(dāng)申請(qǐng)人的情況較為極端時(shí)，人工通常會(huì)依賴自己的判斷而非接受AI的建議。
　　算法面前人的情感不可忽視
　　張穎婕的研究，揭示了人機(jī)協(xié)同在提升系統(tǒng)性能和效率方面的巨大潛力。在互聯(lián)網(wǎng)金融借貸的實(shí)驗(yàn)中，人機(jī)協(xié)作行為使得整個(gè)系統(tǒng)的預(yù)測(cè)正確率提升了一倍，系統(tǒng)違約率從原先的6%降低到3.8%。這項(xiàng)研究表明，人機(jī)協(xié)同可以提高系統(tǒng)的性能和效率，同時(shí)也需要充分考慮人的因素和作用。
　　研究發(fā)現(xiàn)，在引入機(jī)器學(xué)習(xí)算法進(jìn)行先期預(yù)測(cè)推薦后，人工審核員在大部分情況下會(huì)傾向于聽從算法的意見。然而，當(dāng)提供了用戶大數(shù)據(jù)以及算法的具體機(jī)制解釋之后，人們會(huì)在看到算法建議之后，自發(fā)地進(jìn)行一個(gè)重思考的過(guò)程，不再一味地認(rèn)為AI是好的，而是對(duì)AI進(jìn)行有效修正。
　　值得關(guān)注的是，人的情感也應(yīng)當(dāng)是人機(jī)協(xié)同中被考量的重要因素，這涉及AI向善和倫理問(wèn)題。在外賣騎手的例子中，騎手有時(shí)候并不會(huì)遵從算法規(guī)劃的路線，這可能由于算法決策沒有考慮到騎手的情況，例如騎手位置、疲勞程度、實(shí)際路況等，亦或是騎手的過(guò)往經(jīng)驗(yàn)讓他們做出背離算法的決策。
　　“機(jī)器只能給你建議，最后還得是人來(lái)完成。”張穎婕表示，算法其實(shí)是非常厲害的，如果騎手能夠按照算法推薦的路線，他的收益一定是最高的。但事實(shí)卻是，百分之七八十的騎手，都不會(huì)完全遵從算法的推薦。
　　在張穎婕看來(lái)，這些問(wèn)題不是人工智能本身造成的，而是使用者和管理者存在的問(wèn)題，如平臺(tái)方和企業(yè)。人機(jī)協(xié)同固然可以提高系統(tǒng)的性能和效率，但也需要充分考慮人的因素和作用。在設(shè)計(jì)和應(yīng)用AI技術(shù)時(shí)，需要考慮到人的需求和利益，以確保AI技術(shù)能夠真正為人類服務(wù)。
　　那么人與AI，什么時(shí)候能達(dá)到最優(yōu)的調(diào)和效果呢？
　　一種新的算法策略出現(xiàn)了：即算法會(huì)去預(yù)測(cè)人會(huì)不會(huì)違約，會(huì)不會(huì)不遵守算法，而把人的情感考慮到算法的模型里邊。在設(shè)計(jì)者看來(lái)，這種策略按算法來(lái)說(shuō)可能不是最優(yōu)的，但一定是算法加人最優(yōu)的。

　　“如果在特定的場(chǎng)景下，只能依靠人來(lái)做最后決策的話，你就要考慮全局，把人的情感也考慮進(jìn)去?！睆埛f婕說(shuō)。

　　參考文獻(xiàn)
　　1、Lu， Tian and Zhang， Yingjie， 1 + 1 > 2？ Information， Humans， and Machines. Available at SSRN： https：//ssrn.com/abstract=4045718
　　2、Lu， Tian， Zhang， Yingjie， Li， Beibei. Profit vs. Equality？ The Case of Financial Risk Assessment and A New Perspective on Alternative Data. MIS Quarterly， 2023， 47（4）： 1517-1556.

　　張穎婕，光華管理學(xué)院市場(chǎng)營(yíng)銷學(xué)系副教授，卡內(nèi)基梅隆大學(xué)博士（信息管理系統(tǒng)方向），曾就職于美國(guó)德州大學(xué)達(dá)拉斯分校，主要研究領(lǐng)域包括跨學(xué)科方法論研究、人機(jī)協(xié)同、共享經(jīng)濟(jì)、社交媒體、用戶行為等。