人机协同：应对虚假信息与提升工作体验的新路径

### 人机协同：应对虚假信息与提升工作体验的新路径 在当今数字化时代，我们面临着两大关键挑战：虚假信息的泛滥以及知识工作者在高压力工作环境下的身心健康问题。这两个问题不仅影响着个人的生活和工作，也对整个社会的稳定和发展构成了威胁。本文将探讨如何通过负责任的以人为中心的人工智能（AI）以及结合人类与机器学习（ML）的混合系统来应对这些挑战。 #### 虚假信息：社会的毒瘤 在信息爆炸的时代，我们享受着前所未有的信息自由，但同时也面临着虚假信息的困扰。互联网和社交媒体的普及使得信息传播变得更加迅速和广泛，但也为虚假信息的传播提供了温床。例如，2016 年美国大选期间，虚假信息的传播对选举结果产生了重大影响；在新冠疫情期间，虚假新闻更是引发了公众的恐慌和不必要的社会动荡。 为了解决信息质量问题，人们自然会想到利用人工智能和机器学习算法来过滤和筛选信息。然而，这种方法存在局限性。一方面，虚假新闻检测是一个复杂的问题，ML 模型在处理不确定性和有限的现实视图时存在困难，而且由于其概率性和现象的复杂性，模型的准确性难以保证。另一方面，即使模型能够达到 100%的准确性，让算法对人类的信息获取进行审查也不符合伦理原则，因为这会侵犯人类的自主权。 近期，谷歌、Instagram 和 Twitter 等平台采取了一些技术简单、不涉及 AI 的举措来提高信息质量。这些举措不仅是初步的尝试，更重要的是，它们旨在促进信息接收者的批判性思维，为解决虚假信息问题提供了新的思路。 #### 知识工作者的困境与 FCA 的解决方案 知识工作者通常在目标不明确、任务结构不清晰、工作量大的环境中工作，这使得他们容易出现工作相关的焦虑、冷漠和无聊等问题。这些不良状态不仅会影响工作绩效，还会对他们的身心健康造成损害。 为了帮助知识工作者改善这种状况，出现了一种名为 FCA 的系统。微软的 HAX 手册为识别和减轻人机交互中的风险提供了一种经济有效的方法，有助于 FCA 的设计，以减少故障并改善人机认知增强体验。通过应用负责任的人工智能（RAI）工具，FCA 在设计早期阶段就能够解决潜在的 AI 缺陷，具体体现在以下几个方面： 1. **可靠性**：FCA 的可靠性和安全性是实现其预期效果的关键。为了确保这一点，需要对算法进行调整，以减少触发错误和响应生成错误。同时，定期进行离线模型评估，以监测其在趋势行为模式上的性能，并根据个人知识工作者的选择和活动变化及时更新在线模型。 2. **公平性**：FCA 应该公平地对待所有知识工作者。例如，其定制的个人资料应该提供个性化的建议，而不是传播对其他知识工作者、群体、领域和类型的偏见。在构建个人资料和算法时，需要确保所使用的特征具有合理性，避免因滥用人口统计数据而导致推荐和对话中的触发错误。 3. **可解释性**：FCA 应该向知识工作者提供足够的信息，解释为什么推荐特定的提示以及这些指标提供了什么好处。例如，当 FCA 提示知识工作者放松时，用户界面应该解释触发该提示的原因以及执行该提示可能解决的问题。此外，FCA 还应该通过审核其个性化、分类、情境化、指标和提示功能来提供透明度。 4. **隐私**：在处理个人数据时，FCA 应该遵循相关的规则和指南，采取措施减少隐私风险。例如，限制收集的个人可识别信息的数量，允许操作员控制数据的过期率，并将生物信号数据视为受保护的健康信