在我们日益数字化的生活中，算法无处不在。无论是音乐软件里的“猜你喜欢”，还是交友网站里的“绝佳匹配”，亦或是网购APP里的“每日精选”，算法都在为我们提供着它认为我们最需要的信息。
然而，大多数人对算法却有点厌恶。他们并不完全相信手机和电脑程序给出的建议。当遇到问题时，他们更喜欢人类的推荐，而不是算法给出的推荐。
“但鉴于算法的日益普及，学会信任和欣赏它们似乎是重要一课，”耶鲁管理学院市场营销学副教授Taly Reich说。“是否存在一种干预措施可以帮助人们减少这种厌恶情绪？”
最近，Reich教授和她的两位同事——蒙特利尔高等商学院的Alex Kaju和多伦多大学的Sam Maglio，进行了一项新的研究。他们发现，清楚地展示算法有能力从过去的错误中学习，可以增加人们对该算法的信任。这也会促使人们更倾向于选择算法的建议，而非人类的建议。
在这项研究中，Reich教授借鉴了她关于错误的价值的基础性研究。在此前的一系列论文中，Reich教授指出了错误是如何在一些情况下创造价值的，并得出结论：犯错的人会让人觉得他们比不犯错的人更有知识、更可信。Reich教授和她的合著者们将这一见解应用于预测模型中，他们调查了：如果将算法设定为能够从错误中学习，是否会增强人们对算法所提建议的信任。
例如，在其中一个实验中，参与者被问及——训练有素的心理学家和算法谁更擅长评估一个人的性格。其中的一组不为参与者提供任何进一步的信息。而另一组则会向参与者们展示心理学家和算法的相同表现数据，这组数据明确表明两者都随着时间的推移有所进步——在前三个月， 心理学家和算法的正确率均为60%，六个月后，他们的正确率达到70%，一年后，正确率上升到了80%。
在第一组中，即缺乏关于学习能力信息的情况下，75%的参与者选择了心理学家而不是算法。但是在另一组中，当参与者了解到算法会随着时间的推移而改进时，他们中有66%的人选择了算法，这一数字高过了选择心理学家的比例。
这一实验结果表明，参与者不仅克服了对算法的厌恶情绪，还甚至有更高比例的人们倾向于算法而非人类，Reich教授和她的合著者们称其为“算法欣赏”（algorithm appreciation）或“算法投资”（algorithm investment）。这一结果在几个不同的案例中也都得到了证实。无论是被要求选择最好的艺术品，还是寻找一个匹配度高的恋人，当参与者看到算法随着时间的推移表现出学习能力时，它的建议便会得到更高比例参与者的信任。
当然，Reich教授也认识到，公司通常不能或不愿披露有关其算法准确性的具体细节。她说：“我们既关心这偏论文的理论贡献，也关心它的实际意义。鉴于现实世界的限制，我们想探究是否存在一种更微妙的方法来消除大众对于人工智能无法学习的观念。”
如果微小地改动推荐性软件地描述方式，是否会对人们的选择产生影响？研究人员进行了一项实验，其中参与者被问及，他们是想依靠自己来判断一件艺术品的质量，还是想依靠技术来为他们做这件事。在两组中，这项“技术”分别被描述为“算法”和“机器学习算法”。当被描述为“算法”时，大多数人选择了依靠自己。当被描述为“机器学习算法”时，大多数人选择了依靠技术。事实证明，一个暗示算法具备学习能力的词汇就足以克服使用者信任不足的问题。
Reich教授的这项研究为那些依靠算法的公司提供了一个清晰而实用的启示。公司需要意识到，用户在很大程度上不信任算法给出的建议。但在某种程度上，这种不信任是很容易被克服的：对算法学习能力的简单语言表述，或许就会让它所服务的用户产生更大的信任。
了解更多耶鲁大学管理学院专属资讯，请关注耶鲁管理学院官方账号。
来源：耶鲁大学管理学院