مع تزايد اعتماد الأنظمة الذكية (AI) على دعم اتخاذ القرارات البشرية، يبرز تحدٍ مركزي يتمثل في معرفة متى يجب الوثوق بالتنبؤات التي تقدمها هذه الأنظمة ومتى يجب التشكيك فيها أو تجاوزها. من خلال ثلاث دراسات خاضعة للتحكم تشمل التفكير البصري المجرد باستخدام مصفوفات RAVEN، والتفكير المنطقي الاستنتاجي من خلال مسائل LSAT، قمنا باستكشاف كيفية تأثير أشكال دعم الذكاء الاصطناعي المختلفة على أداء فرق البشر والذكاء الاصطناعي.

تظهر دراسة متعددة المراحل تكشف أن التنبؤات التي يقدمها الذكاء الاصطناعي وشرحها يمكن أن يؤثران على الدقة الموضوعية والثقة الذاتية بشكل مختلف. في مجال التفكير البصري، لم تحسن شروح نماذج اللغات الضخمة (Large Language Models) الدقة مقارنةً بالجواب المتوقع فقط، حيث لم تتفوق أي صيغة دعم إضافية بشكل ملحوظ على دعم التنبؤ فحسب. بينما أظهرت الاحتمالات المتوقعة أعلى درجات الدقة الوصفية واستعادة الأخطاء، توفر سياسة تلقائية مختارة مستندة إلى النتائج المرجوة مرجعية أعلى للأداء.

بينما في التفكير المعتمد على اللغة، كانت شروح نماذج اللغات الضخمة هي الأكثر دقة واستعادة للأخطاء، متفوقة على الشروح المكتوبة من قبل خبراء والدعم القائم على الاحتمالات. تشير هذه النتائج إلى أنه لا يوجد استراتيجيات دعم واحدة تعمل بفاعلية عالمياً.

لذا، يجب تصميم واجهات التعاون بين البشر والذكاء الاصطناعي لدعم الاعتماد المحسوب واستعادة الأخطاء الفعالة، من خلال ملاءمة شكل المساعدة مع المهمة والأدلة المتاحة للمستخدمين. فهل أنت مستعد لتجربة هذا النهج في اتخاذ قراراتك مع الذكاء الاصطناعي؟