Forbedrer teknologien virkelig vores beslutningsevne?

En hærforsker vandt for nylig en pris for bedste papir ved Association for Computing Machinerys 26. konference om brugermodellering, Tilpasning og personalisering for at opdage, at de fleste mennesker ikke kan skelne mellem at kunne lide en brugergrænseflade og at træffe gode valg.

Dr. James Schaffer, U.S. Army Research Laboratory-forsker udstationeret ved ARL West, og hans samarbejdspartnere ved University of California, Santa Barbara, Drs. John O'Donovan og Tobias Höllerer, modtog prisen for bedste papir ved konferencen afholdt i juli på Nanyang Technological University i Singapore.

Så, forbedrer teknologien virkelig vores beslutningsevne?

Papiret, "Adskiller brugeroplevelse fra valgtilfredshed, " adresserer dette spørgsmål og fremmer teorien, der understøtter evalueringen af ​​anbefalingssystemer, som er designet til at hjælpe brugerne med at træffe gode valg.

Kort fortalt, anbefalingssystemer er kunstigt intelligente algoritmer, der bruger big data til at foreslå yderligere produkter til forbrugere baseret på ting som tidligere køb, demografiske oplysninger eller søgehistorik, for eksempel. Tænk på funktionen "personer du måske kender", der findes på mange af nutidens sociale medieplatforme.

I anbefalingssystemer, det er blevet antaget, at brugerne danner meget komplekse mentale modeller af brugergrænseflader.

Dette afspejles i aktuelle brugeroplevelsesmålinger, som fremkalder subjektive svar på en lang række systemfunktioner.

Imidlertid, ARLs nye resultater modsiger denne antagelse og viser endda, at en persons subjektive tilfredshed med deres beslutninger alle er stærkt påvirket af deres kognitive tilstand og egenskaber.

"Brugeroplevelse og valgtilfredshed kan let blandes, når godt systemdesign skaber positive følelser omkring en oplevelse, kunstigt at få deltagerne til at tro, at der er truffet gode beslutninger, " sagde Schaffer. "Dette kan føre til falske positive situationer, hvor forskere kan antage, at der træffes gode beslutninger på grund af et systems udseende eller brugervenlighed."

Forfatterne trak fra historisk arbejde om erkendelsen af ​​lykke for at generere en målestrategi, der bedre kan redegøre for denne sammenblanding.

Hæren fortsætter med at presse på for øget modernisering af sine styrker, med bemærkelsesværdig indsats, herunder Android Tactical Assault Kit og allokering af midler til forskning i nye AI og maskinlæringsmetoder for at hjælpe kommando- og kontrolpersonale.

Anbefalingssystemer og andre former for kunstig intelligens forventes at spille en nøglerolle i beslutningstagningen på slagmarken, men akademiske og virksomheders tilgange til at designe sådanne systemer mislykkes ofte, når de overføres til slagmarken på grund af de øgede omkostninger ved fiasko.

"Den nuværende state of the art inden for anbefalingssystemer ville sandsynligvis have ført den amerikanske hærs modernisering i den forkerte retning, og resultaterne fra papiret er en advarsel mod enhver form for subjektiv vurdering, der udføres på, for eksempel, militærøvelser, " sagde Schaffer.

Schaffers forskning er med til at danne grundlag for evalueringsstrategier, der kan hjælpe hæren med at skelne mellem teknologi, der øger ydeevnen, og teknologi, der blot har en wow-faktor.

Faktisk, denne forskning indikerer, at vi burde se det modsatte:frustration fra beslutningstagernes side betyder sandsynligvis, at noget bliver opnået.

Schaffer udtrykte sin tilfredshed med prisen og mener, at den viser løftet om Open Campus-initiativet.

"Denne forskningsidé modnedes kun på grund af at chatte med en ARL-forsker fra Human Research and Engineering Directorate, Dr. Benjamin Files, som jeg synes virkelig fremhæver fordelen ved ARL's Open Campus-initiativ, " sagde Schaffer. "Dette papir var også kun muligt på grund af et samarbejde med UCSB, hvilket viser, at der sker gode ting, når ARL samarbejder med eksterne universiteter. Jeg ville nok ikke have haft den diskussion, der fremhævede gennemførligheden af ​​denne idé i et andet miljø."