Ar technologija tikrai padidina mūsų sprendimų priėmimo galimybes?

Stronga FlowDrya & Heatex Džiovinimo Sprendimai – 3D animacija apie medžio drožlių džiovinimą (Birželis 2019).

Anonim

Kariuomenės mokslininkas neseniai laimėjo geriausią popieriaus apdovanojimą "Computing Machinery" 26-osios konferencijos "Vartotojų modeliavimas, pritaikymas ir personalizavimas" asociacija, nustatydama, kad dauguma žmonių negali atskirti vartotojo sąsajos patikimumo ir tinkamo pasirinkimo.

Dr James Schaffer, JAV kariuomenės tyrimų laboratorijos mokslininkas, dislokuotas ARL West, ir jo bendradarbiai Kalifornijos universitete, Santa Barbara, Drs. Liepos mėn. Konferencijoje Nanyango technologiniame universitete Singapūre gavo geriausią popierinį apdovanojimą John O'Donovanui ir Tobiasui Höllereriui.

Taigi, ar technologija tikrai pagerina mūsų sprendimų priėmimo galimybes?

Šiame straipsnyje "Atskyrimas naudotojo patirtis dėl pasirinkimo pasitenkinimo" nagrinėjamas šis klausimas ir skatinama teorija, kuria grindžiamas rekomenduojamųjų sistemų įvertinimas, skirtas padėti vartotojams daryti gerus pasirinkimus.

Paprasčiau tariant, rekomenduojamosios sistemos yra dirbtinai pažangūs algoritmai, kurie naudoja didelius duomenis, kad vartotojams būtų siūlomi papildomi produktai, pavyzdžiui, ankstesni pirkimai, demografinė informacija ar paieškos istorija. Pagalvokite apie "žmones, kuriuos pažįstate", kuri yra daugelyje šiandienos socialinės žiniasklaidos platformų.

Rekomenduojamose sistemose manoma, kad vartotojai sudaro labai sudėtingus vartotojo sąsajų modelius.

Tai atsispindi dabartiniuose vartotojo patirties matavimuose, kurie sukelia subjektyvius atsakymus įvairiose sistemos funkcijose.

Tačiau nauji ARL rezultatai prieštarauja šiam prielaidui ir net parodo, kad subjektyviai patenkinti savo sprendimus yra stipriai paveikta jų pažinimo būsena ir bruožai.

"Vartotojų patirtis ir pasirinkimo pasitenkinimas gali būti lengvai susivieniję, kai geras sistemos dizainas sukuria teigiamus jausmus apie patirtį, dirbtinai vadovaujantys dalyviai galvoja, kad buvo priimti geri sprendimai", - sakė Schafferis. "Tai gali sukelti klaidingą teigiamą situaciją, kai mokslininkai gali priimti gerus sprendimus dėl sistemos išvaizdos ar naudojimo paprastumo".

Autoriai atkreipė dėmesį į istorinį laimės pažinimo darbą, kad sukurtume matavimo strategiją, kuri galėtų geriau prisidėti prie šio susivienijimo.

Kariuomenė toliau siekia padidinti savo pajėgų modernizavimą, atkreipdama dėmesį į "Android Tactical Assault Kit" ir skiriant finansavimą naujiems AI ir mašinų mokymosi metodams, skirtiems vadovauti ir kontroliuoti personalą.

Tikimasi, kad "Recommender" sistemos ir kitos AI formos vaidins pagrindinį vaidmenį sprendžiant mūšio laukus, tačiau akademiniai ir įmonių požiūriai į tokių sistemų projektavimą dažnai trūksta, kai jie pereina į mūšio lauką dėl padidėjusių nesėkmės išlaidų.

"Dabartinė padėtis rekomendacinių sistemų srityje galėjo paskatinti JAV armijos modernizavimą klaidinga kryptimi, o šio straipsnio rezultatai yra įspėjimas prieš bet kokį subjektyvų vertinimą, kuris atliekamas, pavyzdžiui, dėl karinių pratybų", - teigė Schaffer sakė.

Schafferio tyrimai padeda formuoti vertinimo strategijas, kurios gali padėti armijai išskirti technologijas, kurios skatina našumą ir technologijas, kurios tiesiog turi "wow factor".

Iš tikrųjų šie tyrimai rodo, kad mes turėtume suprasti priešingą: sprendimų priėmėjų nusivylimas tikriausiai reiškia, kad kažkas yra įvykdytas.

Schaffer išreiškė pasitenkinimą apdovanojimu ir mano, kad tai rodo "Open Campus" iniciatyvos pažadą.

"Ši mokslinių tyrimų idėja buvo subrendusi dėl pokalbio su Žmogaus mokslinių tyrimų ir inžinerijos direktorato Dr. Benjamin Files ARL mokslininku, kuris, manau, iš tiesų pabrėžia ARL" Open Campus "iniciatyvos naudą", - sakė Schaffer. "Šis dokumentas taip pat buvo įmanomas tik dėl bendradarbiavimo su UCSB, kuris parodo gerus dalykus, kai ARL bendradarbiauja su ne universitetais. Aš turbūt nebūčiau diskutuota, kad pabrėžė šios idėjos įgyvendinamumą kitoje aplinkoje".

menu
menu