圖片來源：圖片由編輯團隊使用人工智能生成，僅供參考。

來源：https://techxplore.com/news/2026-05-humans-bad-complex-decisions-ai.html

當羅列優缺點不足以解決問題時，康奈爾大學研究人員開發的一種新型決策工具可以利用人工智能來輔助做出艱難的決定。但其中有個特別之處：不是檢驗人工智能的結論，而是人工智能檢驗你。

這款工具由康奈爾大學安·S·鮑爾斯計算機與信息科學學院計算機科學助理教授阿貝·戴維斯的實驗室開發，旨在幫助用戶對一系列選項進行排序，例如求職者、研究生院，甚至是奧斯卡候選人。雖然最終決定由人做出，但該工具可以利用人工智能和優化技術，使過程更加高效、易于解釋且公平。

戴維斯說：“利用科技替我們做決定往往充滿風險。這項工作令人興奮的地方在于，我們不是讓科技替我們做決定，而是利用科技來幫助我們做出更好的決定。”

信息科學領域的博士生、該項新研究的第一作者張超在計算機協會人機交互系統會議 (CHI) 上發表了題為“交互式可解釋排名”的論文，并獲得了最佳論文獎。

戴維斯在評估他計算機圖形學學生每年提交的數百個創意十足、開放式項目時，萌生了開發這款工具的想法。即使制定了一套清晰的評分標準，并安排了多名訓練有素的助教對每份作業進行評估，他的助教團隊仍然難以確保評分標準的完全一致性。

“這真的讓我很困擾，”他說。“我們如何才能建立一個更好、更具可擴展性的評估流程呢？”

戴維斯指出，問題的根源在于一致性和偏見之間的矛盾。人們在直接比較不同選項時，比主觀地對多個選項進行評分時，更容易做出一致的決定。例如，問別人一盞燈是否比另一盞燈更亮，答案很容易回答。但如果讓他們用1到10的等級來評價每盞燈的亮度，答案可能千差萬別。

另一方面，這種一致性有時可能源于無意識的偏見，而這正是該工具旨在發現的問題。

戴維斯說：“我們要求用戶描述他們重視的事物，并根據不同的排名標準進行加權，然后找出價值觀和排名之間的矛盾之處。如果存在矛盾，用戶可以更改排名或嘗試用新的標準來解釋，但無論哪種方式，他們都必須對自己的選擇給出清晰一致的解釋。”

出處：2026 年人機交互系統會議論文集(2026)。DOI：10.1145/3772318.3790810

該工具的工作原理如下：假設有人正在決定買哪輛車。首先，用戶對幾個標準的重要性進行排序——價格、可靠性、燃油效率。然后，該工具會要求用戶在幾組車型中做出選擇，以了解他們的偏好。工具會利用人工智能來確定要問哪些問題以及問題的順序。

如果僅基于標稱值得出的排名與用戶實際偏好的車輛不符，該工具會突出顯示這些不一致之處。用戶可以調整每個標準的權重來糾正這種不符，或者該工具可以預測是否存在遺漏的因素。

或許用戶無意識地選擇了紅色汽車，而忽略了其他顏色更佳的選擇。在這種情況下，該工具可以向用戶展示這種偏好，以便他們調整排名或將顏色作為附加標準。最終結果將是一個最優且完全可解釋的最佳選擇。

用戶也可以在不適宜使用人工智能的敏感應用場景中完全關閉人工智能功能。

張說：“這個項目最重要的部分之一不是用人工智能來替我們做決定，而是用人工智能來幫助我們思考我們想要什么。”

張和戴維斯通過兩項案例研究測試了該工具。首先，他們邀請四位參與者對一系列短片進行排名。參與者表示，該工具幫助他們從憑直覺或情緒判斷影片，轉變為運用具體標準進行評判。

在第二個實驗中，他們請四位助教對之前計算機圖形學課程中的十個學生項目進行排名。最終排名結果與學生的最終成績一致，并且四位助教的排名結果高度一致，這表明該工具能夠提供準確且可重復的評估結果。

戴維斯現在使用這款公開可用的決策工具來給他的課堂作業評分——但人工智能功能是關閉的。

“這是針對那些事關重大的決策而言的，”他說，“做出更好決策的價值值得付出額外的努力。”

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）