知识卡片

普通读书笔记卡 · 3788.q.1.a.3.c · 生成模型:未记录

自动化偏信会放大错误

理解等级:中级

有说服力的模型输出可能使使用者过度信任建议。肝癌病理交叉研究中,多数人的平均表现改善,却在模型出错时更容易跟随错误。这说明平均收益可掩盖危险的条件性失败。界面与流程应让人有机会核对依据、保留独立判断并识别系统不适用情景,效果需要实测。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》生物学和医学中基于人工智能的算法,验证人机协作的真实后果(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section07.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:该支持工具让病理学家做出正确判断的概率不到1/3。因此,在诊断环境中使用人工智能工具的困境是,它可能会导致医生因为信任有说服力的智能机器而推翻他们本身的良好判断(见图6—1)。 图6—1 辅助对个别病理学家诊断绩效的影响 注:每位病理学家的