让人工智能与人类思维融合，做出更好的决策

去年，Gallup的研究人员做了一项调查。结果显示，每四个受访者里，有三个认为人工智能可能会抢走他们的工作。确实，人工智能能独立完成一些任务，但在很多工作场景中，它更能被应用得更有意义：诸如助力协作式决策。
这项研究成果来自亚利桑那州立大学(Arizona State University，ASU)凯瑞商学院信息系统助理教授Tian Lu。他的研究发现，在特定条件下，要是人们参考人工智能给出的信息，做决策的结果会更好。
Lu教授说：“人和人工智能各有长短，协作才是关键。” 他的研究，还能帮助管理者明白，怎样激发这种协作模式，实现协作带来的价值。

克服对人工智能的担忧

Lu教授指出：“人类和人工智能协作，这事并不自然。” 很多研究都发现，人们常常会小瞧人工智能，尤其是部分行业专家。他们从心底就不信任人工智能，认为它就像个黑匣子，人们不清楚它得出结果的过程，所以会抵触它。” 他还补充说，在做高风险决策时，这种情况更突出。

而另一种极端情况是，有些人过度依赖人工智能，完全按照机器的建议做决策。

这两种做法都不太对。不过Lu教授提到，人和机器能力不同，正好可以相互补充。他解释说，人类在不常见的情况，或者遇到新信息的全新场景里，做决策的能力比较强。“相比之下，人工智能存储量大、计算能力强，所以在处理信息量大、数据多的决策问题时，表现更好。” 他接着说道。

那么，该怎么更有效且合时宜地发挥这些能力？Lu教授和他北京大学的同事Yingjie Zhang，与中国一家平台合作了实地实验。这个团队想找出什么时候协作效果最好，还有哪些条件能推动这种协作。合作方来自金融领域，他们通过贷款违约率，来判断什么时候协作能创造最大价值。

有效的思考方式

Lu教授的研究参考了著名心理学家、诺贝尔奖得主Daniel Kahneman写的《思考，快与慢》这本书。Daniel提出，人在思考问题的时候，有一个双重信息处理系统。

• 系统1是快思考，速度快、靠直觉，做决定时会依赖情感和思维捷径。
• 系统2是慢思考，是我们解决复杂问题，或者理解不熟悉事物时，用的分析性、深入的思考方式。

系统1思考速度快，但容易出错，也容易产生偏见。系统2更准确，不过特别费脑力。尽管如此，Lu教授和Yingjie Zhang还是想激发大家运用系统2思考，因为他们觉得这样能让人机协作发挥更大价值。

为了让信贷员进入系统2这种分析性的思考模式，研究人员用了两个条件。根据之前的研究，他们觉得这两个条件能让人们从系统1思考转变为系统2思考。Lu教授说：“一般来说，人们面对有挑战性的任务时，会思考得更深入。我们就用信息复杂性来模拟这种情况。”

他说的信息复杂性，指的是信贷员决定是否给贷款申请人放款之前，要梳理的信息量。在信息少的情况下，信贷员只看12条常见的贷款信息，像收入、贷款收入比、是否有房、在其他小额贷款机构的还款记录，还有贷款利率。

在信息多的情况下，又增加了60条信息，很多信息是大部分信贷员以前没见过的。比如购买咖啡、烟酒的记录，网上购物行为，手机使用数据，买网游点卡花的钱，还有能显示申请人去电影院、商场、医院、学校这些地方频率的出行数据。

在这家公司还没引入人工智能的时候，贷款违约率差不多是12.8%。当信贷员根据大量申请人数据评估贷款时，违约率降到了10.6%，降了2%，这说明信息复杂性可能让信贷员更多地运用了系统2思考。只用人工智能，依靠大量数据，能把贷款违约率降到5.2%，这就体现出人工智能在评估复杂信息方面的价值。

人工智能和人的协作，不光大幅降低了贷款违约率，还减少了人工智能带来的性别偏见。人工智能把在线游戏活动作为评估信用的关键因素，而男性比女性更常玩游戏，所以人工智能单独做决策就产生了偏见。Lu教授说：“对人工智能决策的解释，让人们思考得更积极，能减轻人工智能造成的性别偏见。”

Lu教授的分析框架表明，增加信息复杂性，加上解释人工智能的决策过程，可以帮助人们切换到系统2的积极思考模式，全面提升决策质量。

不过，他也提醒企业管理者，对于要不要人机协作这个问题，也要用系统2思考一下。

他说：“数据成本很高，如果预算和数据量有限，就要思考，是训练更好的人工智能，还是获取更多数据，以及在什么条件下，人机协作才能实现价值最大化。”