优化协作人工智能混合团队中的委托
内容提要
该文综述人机混合团队研究，涵盖通过经理模型判断授权时机、利用强化学习提升协作绩效，以及行为预测、任务分配、协同迷宫、风险决策和自适应控制转换等方向。实验表明，人机合作优于单方表现，代理任务可提高绩效与满意度，验证了人机互补与协作潜力。
延伸解读
授权时机与经理模型
文章提出一个经理模型，用于准确识别何时授权团队成员执行动作，而不限制代理机器人的环境模型。结果显示，该模型在不同环境表示下的代理团队中取得了显著优势。这提示在人机混合团队中，动态判断授权时机可能比固定分工更有效，且不依赖特定环境表示，具有较好的泛化潜力。
人机协作的互补性验证
多项研究表明，在复杂模拟环境中，人工智能与人类的合作胜过仅有人类或仅有人工智能代理的情况。此外，一项196名参与者的实验发现，无论人类是否意识到辅助作业的人工智能模型，通过代理任务协同完成工作都能提高任务表现和满意度，并提升自我效能感。这为人机互补与协作潜力提供了初步证据。
风险决策与自适应控制转换
研究显示，当涉及风险元素和评估人类与AI代理能力的探索利用过程时，双方在小组决策中具有互补技能。同时，有工作提出自适应算法，使强化学习代理可以在机器和人类代理之间进行控制转换，并在半自动驾驶场景中演示了优越性。这表明在不确定环境下，动态调整控制权可能提升团队整体表现。
Q&A
在混合团队中，如何判断何时该授权AI成员执行动作？
文章提出一个经理模型，通过观察团队表现来准确识别何时授权团队成员执行动作，且不限制代理机器人的环境模型，在不同环境表示下都取得了显著优势。
人机混合团队中，强化学习如何帮助提升协作绩效？
文章利用强化学习模型提高机器智能，从人工智能和人类哪一方出现失误（如感知）入手，研究AI辅助下如何做出正确决策，从而提高团队绩效。
人类和AI在小组决策中各自有什么优势？
研究表明，当涉及风险元素和评估人类与AI代理能力的探索利用过程时，人工智能和人类在小组决策方面具有互补技能，能通过共识最大化整体回报。
代理任务如何影响人机协作的表现和满意度？
一项196名参与者的实验发现，无论人类是否意识到辅助作业的AI模型，通过代理任务协同完成工作都能提高任务表现和满意度，同时提高自我效能感。
在复杂模拟环境中，人机合作与纯人类或纯AI相比表现如何？
研究表明，在复杂模拟环境中，人工智能与人类的合作胜过仅有人类或仅有人工智能代理的情况，并开发出用户界面使人类有效协助AI代理。
如何实现机器与人类代理之间的控制转换？
文章提出一种自适应算法，使现有强化学习代理可以在机器和人类代理之间进行控制转换，在类似环境中找到多个转换策略序列，并在半自动驾驶场景中展示了优越性。
