AI 队友太强,你反而会退步?人机交互中的“进”与“退”

我爱免费

作者：微信文章


AI 队友太强，你反而会退步？

人机交互中的“进”与“退”

游戏中的AI —— “人机队友”

在当今时代，谈及智能体，我们大多会直接想到风靡全球的DeepSeek，ChatGPT等大语言模型。

但是，AI在生活中的应用可远不止于此，从语音助手到智能管家，从导航软件到自动驾驶，AI智能体不仅仅是辅助我们的工具，也在成为我们的助手，我们的伙伴。

实际上，AI在很早以前就已经开始作为队友与我们合作了。接触过游戏的朋友们应该知道，当你的队友因为特殊情况而退出时，“人机队友”就会上线接管角色。



《王者荣耀》AI托管

   

绝大多数时候，人机队友的操作表现都愚蠢，不能说对团队没有任何作用，只能说是充当氛围组增加一点气势。

但随着AI的发展，不少游戏开始设计出“超强人机”，其策略清晰，技术精湛，常常能带领团队扭转战局，走向胜利。

甚至有不少玩家开始期待队友“意外”退出，召唤“人机”降世，带自己躺赢（小声）

面对愚笨的AI队友，你会奋力拼搏、逆天改命还是消极怠工、躺平摆烂？

而面对的“超强人机”伙伴，你是激发斗志、愈战愈勇还是心满意足、坐等胜利？

在2023年的一篇文献中，研究者以电子竞技为背景，探究了不同水平的 AI 队友对人类队友在人机团队中表现以及感受的影响。

研究设计

研究者选用了《Rocket League》这一游戏平台进行实验设计。

《Rocket League》是一款科幻体育竞技游戏，玩家在游戏中操控高科技赛车进行足球比赛，与其他在线玩家或AI进行合作和对抗，体验团队合作与技能对抗的乐趣。



《Rocket League》：用赛车踢足球

AI队友的水平



在本实验中，参与者需要与一位特定的AI队友合作，与两位AI对手进行6场“2v2”的足球对抗赛。研究者通过修改代码，调整了AI队友的影响力，将其分为高影响，普通和低影响三个水平。

其中，高影响力的AI队友就如同“超强人机”，不仅技术精湛，还会主动而频繁地抢球和发起进攻；

而低影响力的AI队友则表现的较为机械和呆板，大多数时间都位于后场防守，几乎不参与进攻和抢球；普通影响力的AI队友则介于二者之间。

实验流程



参与者首先进行三场静态条件的比赛，期间会被随机分配一个高或低水平的AI队友，且AI队友的影响力在这三场比赛中保持不变。完成这些比赛后，参与者将短暂休息并接受采访。

接下来，参与者将进行三场动态条件的比赛。在这三场比赛中，AI队友的影响力会依次变化，分为两种情况：高、中、低，或者是低、中、高。完成这些比赛后，参与者将再次接受采访。

研究结果

研究者统计分析了参与者在6场比赛中的得分和表现，并综合其采访中的内容和对AI的评价，得出了一些有意思的结论：

首先，参与者与低影响力 AI 队友合作时，游戏得分显著高于与高影响力 AI 队友合作时的得分。

并且，当AI队友的影响力从高逐渐降低时，参与者的表现会逐渐提高；而当 AI 队友的影响力逐渐增加时，参与者的表现则会停滞不前。



然而，人们并不会仅仅因为AI队友具有高影响力就盲目地喜爱它。相反，当AI队友的影响力较高时，人类队友对它的信任度和社会影响力感知反而会降低。参与者们似乎更倾向于喜欢和信任那些影响力较低的AI队友。

另外，访谈的结果发现，人们是否接受AI队友，主取决于AI队友的影响力是不是符合他们自己的目标和想法。

results

有些人喜欢影响力大的AI队友，因为他们想通过看AI怎么玩来提升自己的水平；

但也有人更喜欢影响力小的AI队友，因为他们更享受自己动手参与和操作的感觉。

生活启发

    这篇文献不仅仅展现了人们在电子竞技中，对待不同能力的人机队友的态度，也同样印证了生活中有关AI产品的有趣规律。

在数字时代，真正受欢迎的AI更像是懂得进退的“智能伙伴”，而非掌控全局的“数字家长”。

    一个优秀的语音助手会委婉地“进”，当你说"小爱同学，明早提醒我开会"，一个优秀的AI不会简单回复"已设置7:30闹钟"，而是像真人助理般追问："需要提前准备会议材料吗？"。

    一个优秀的智能体也要优雅地“退”，当用户连续三次拒绝小米助手调整行程建议后，系统会自动切换为"仅提醒不决策"模式，遵从用户观点。

END

参考文献

Flathmann, C., Schelble, B. G., Rosopa, P. J., McNeese, N. J., Mallick, R., & Madathil, K. C. (2023). Examining the impact of varying levels of AI teammate influence on human-AI teams. International Journal of Human-Computer Studies, 177, 103061. https://doi.org/10.1016/j.ijhcs.2023.103061

ZJUpsy@秦翊嘉供稿