When Can Human-AI Teams Outperform Individuals? Tight Bounds with Impossibility Guarantees

작성자

Haebom

카테고리

Empty

저자

Dongxin Guo, Jikun Wu, Siu-Ming Yiu

💡 개요

본 연구는 인간-AI 팀이 개별 구성원보다 우수하기 어려운 현실을 이론적으로 분석하여, 두 구성원의 오류 상관관계가 특정 임계값 미만일 때 팀의 성능 향상(상호보완성)이 가능하다는 것을 증명했습니다. 이를 위해 신호 탐지 이론과 정보 이론을 통합한 '신뢰 기반 종합 규칙'에 대한 엄격한 경계를 도출하였으며, 실험 결과와 높은 상관관계를 보여주며 이론적 예측의 정확성을 입증했습니다.

🔑 시사점 및 한계

•

인간-AI 팀의 상호보완성 달성 조건은 두 구성원 간 오류 상관관계($\rho_{HM}$)가 임계값($\rho^*$)보다 낮아야 합니다.

•

인간-AI 팀의 성능 향상 폭은 메타인지 민감도 차이($\Delta d$)의 제곱근에 비례하며, 다중 클래스 분류 문제에서는 클래스 수($K$)에 따라 임계값이 달라집니다.

•

본 연구에서 제시하는 이론은 정적인 의사결정 과정에서의 성능 향상에 적용되며, 새로운 답변을 생성하는 상호작용적인 토론 과정에는 직접적으로 적용되지 않습니다.

PDF 보기

Made with Slashpage