理解反事实解释对人工智能辅助临床决策中信任与依赖的影响

原文约200字，阅读约需1分钟。发表于：。

通过使用显著特征解释和假设性解释来更加分析性地对待人工智能建议，可以降低对人工智能的过度依赖，提高医疗决策过程中的性能和一致性，尤其是在确保人工智能提供正确输出的情况下。

本研究通过对127名志愿者进行对照实验，比较了因果和反事实解释对用户预测AI系统决策的效果、解释的满意程度和信任度。结果显示，反事实解释相对于没有说明的控制描述准确性没有提高，但在满足用户需求和信任度方面优于因果解释，用户更容易理解涉及分类特征的解释。