在工程研究生中预测基于AI的抑郁症治疗建议的行为依赖:使用EEG信号的试点研究
Yeganeh Shahsavar1, Avishek Choudhury2
1Armstrong Institute Center for Health Care Human Factors, Johns Hopkins Medicine, Johns Hopkins University, Baltimore, MD, USA.
概括
这项研究表明,脑电图 (EEG) 可以评估工程学生如何依赖人工智能建议. 这项研究对于在苛刻的专业领域安全的人与人工智能的互动至关重要.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 认知科学 认知科学
背景情况:
- 工程专业人员越来越多地在关键任务中使用AI决策系统.
- 对人工智能的不适当依赖 (过度依赖或拒绝) 可能会对性能和安全产生负面影响.
- 了解人类的依赖行为对于有效的人类-人工智能合作至关重要.
研究的目的:
- 探索使用脑电图 (EEG) 来测量对AI建议的行为依赖的可行性.
- 描述工程研究生与AI互动的依赖模式.
- 为职业人与人工智能互动提供神经生理学模型的开发提供信息.
主要方法:
- 利用脑电图 (EEG) 来捕捉人类与人工智能交互期间的大脑活动.
- 收集了EEG衍生的特征来分析对AI标记建议的行为依赖.
- 用于严格评估神经生理模型的参与者智能验证.
主要成果:
- 证明了使用EEG特征来描述依赖行为的可行性.
- 发现模型的预测性能是温和的.
- 强调了神经生理学模型的保守验证方法的必要性.
结论:
- 电脑脑电图显示出作为研究专业人与人工智能交互依赖的工具的前景.
- 严格的评估对于开发可靠的神经生理学模型至关重要.
- 未来的研究应该考虑现实世界的应用多式联运和情境敏感的方法.
