关于难度的感知：人类和人工智能之间的差异

​

On the Perception of Difficulty: Differences between Humans and AI

解决问题：这篇论文旨在解决人工智能与人类互动中的一个核心问题——如何准确地评估每个代理人在单个任务实例中的能力和难度，从而促进有效的协作。与以往研究不同的是，本文试图比较人类和AI代理人对任务难度的感知差异。

关键思路：本文提出了一种实验设计，旨在全面研究人类和AI代理人对任务难度的感知，以便更好地设计人工智能与人类互动系统。与以往研究相比，本文的创新之处在于比较人类和AI代理人对任务难度的感知差异，并探究影响感知差异的因素。

其他亮点：本文的实验设计详细且严谨，使用了多个数据集，并提供了开源代码。本文的研究成果对于设计更好的人工智能与人类互动系统具有重要意义。值得深入研究的工作包括如何进一步提高评估代理人能力和难度的准确性，以及如何解决人类和AI代理人在任务实现中的不一致性。

关于作者：本文的主要作者包括Philipp Spitzer、Joshua Holstein、Michael Vössing和Niklas Kühl。他们分别来自德国的不同机构。Philipp Spitzer曾在一些关于人工智能和机器学习的著名期刊上发表过多篇论文，如《Neural Networks》和《IEEE Transactions on Neural Networks and Learning Systems》。

相关研究：近期其他关于人工智能与人类互动的研究包括《Human-AI Interaction: A Review of Relevant Domains and Applications》（作者：Judy Kay、Bob Kummerfeld、Tim Miller，机构：澳大利亚昆士兰大学）、《The Role of Human-Like Features in the Perception of Social Robots》（作者：Kerstin Fischer、Nicolas Spatola、Peter Walla，机构：奥地利维也纳大学）等。

论文摘要：随着人工智能在工业和社会中的广泛应用，有效的人机交互系统变得越来越重要。人类与人工智能交互的一个核心挑战是估计单个任务实例中人类和人工智能代理的难度。这些估计对于评估每个代理的能力至关重要，因此需要促进有效的协作。到目前为止，人机交互领域的研究独立地估计了人类和人工智能的感知难度。然而，人类和人工智能代理的有效交互取决于准确反映每个代理在实现有价值的结果方面感知难度的度量标准。迄今为止，研究尚未充分研究人类和人工智能感知难度的差异。因此，本文回顾了人工智能交互中感知难度的最新研究以及有助于一致比较每个代理感知难度的因素，例如创建相同的先决条件。此外，我们提出了一个实验设计，彻底研究了两个代理的感知难度，并有助于更好地理解这种系统的设计。

​Read More