卡内基梅隆大学8月31日介绍，随着人工智能进入工作场所、医疗和日常决策，校内研究者正讨论如何让AI帮助人们作出更好的决定，同时保留人类带来的判断、专业知识与问责。报道把重点放在“人机作为队友”这一设计思路，而非把技术简单描述为人的替代品。
社会与决策科学系教授克莱奥蒂尔德·“科蒂”·冈萨雷斯参与这项讨论。她认为，智能的含义正在朝向人机协作的方向变化；研究所关心的是人与AI一起能够完成什么，以及如何让这种协作扩大人的能力。
冈萨雷斯与合作者阿尔蒂·辛格、阿妮塔·威廉斯·伍利近期发表了三篇科学论文，考察“认知型AI”的不同方面及其如何与团队中的人合作。辛格是机器学习系教授，伍利在泰珀商学院教授组织行为学，三人的学科背景也构成了报道中的跨领域视角。
文中所说的认知型AI不同于以大规模文本统计模式生成内容的生成式AI，也不同于假设中可在广泛任务上匹敌或超越人类智能的通用或超级智能。冈萨雷斯研究的方向借鉴对人类心智作为信息处理系统的科学理解，用人如何学习和决策的模型设计能与人有效共事的系统。
冈萨雷斯同时担任动态决策实验室创始主任，并任美国国家科学基金会“社会决策AI研究所”研究联合主任。她的研究关注人如何从经验中学习、随时间改善选择，以及技术在此过程中能发挥何种作用。页面强调的目标是增强人类决策，而不是把人从决策回路中移除。
报道以放射学阅片作说明：放射科医生与AI都可参与癌症扫描审阅，但漏检与假阳性的后果并不相同。辛格提出，流程不应把人和AI判断以单一固定方式合并；在癌症筛查情境中，AI可以用于标出医生可能遗漏的病例，而非直接取代第一位人工阅片者。
页面引用的一项2022年《Lancet Digital Health》研究显示，在近120万张乳腺X线照片的数据上，放射科医生与机器学习AI配对后，敏感性较单独医生提高2.6个百分点。该例用于说明小幅度变化在大规模场景中的意义，并不等同于对所有医疗环境作出效果保证。
伍利则把人机团队可能有帮助的方面归为三类：找到合适的专业知识、协调工作，以及对齐目标。她提到，AI或可协助识别某一时刻所需专长，也可帮助不同成员安排协作与分工；但如果使用不当，AI也可能削弱人们彼此协作的意愿。
三位研究者将信任、透明度和问责视为设计起点。报道提出，有些例行且边界清楚的决定可自动化，另一些则需要人的判断、伦理推理或情境理解。当前公开信息确认的是研究者提出的互补框架：需要根据具体任务决定人和AI各自承担何种角色，并让二者在动态情境中负责任地协调。
信息来源
本文基于上述公开资料整理，未使用来源页面的图片、视频或嵌入媒体。