算法信任：外行更青睐算法决策而非人类判断

本文主要探讨了算法在决策过程中的影响以及人们对算法依赖程度的研究。虽然计算机算法通常在精确性和效率上优于人类判断（Dawes, 1979），但一项新颖的理论——算法鉴赏（Algorithm Appreciation）挑战了这种普遍观念。该理论通过六项实验揭示出一个有趣的现象：非专业领域的个体在面对建议时，倾向于更信赖来自算法而非个人的指导。 在实验一（Experiments 1A、1B 和 1C）中，参与者被要求对视觉刺激进行数字估计和预测歌曲和浪漫吸引力，结果显示他们更倾向于接受算法给出的预测。然而，实验一D的预测结果却出人意料，这表明情况并非始终如是。 实验二进一步研究了算法鉴赏的持续性，无论建议是单独呈现还是共同出现，人们依然表现出对算法的信任。然而，在实验三中，当参与者需要在算法的估计与他们自己的判断之间做选择，并且当他们具有预测方面的专业知识时，算法的影响力开始削弱。这表明，专业知识可能导致人们重新评估算法的价值。 矛盾的是，对于经验丰富的专业人士而言，他们由于频繁进行预测，反而在面对算法建议时显得不太依赖，这在一定程度上降低了他们的决策准确性。这个发现对“大数据”时代中如何有效地利用算法建议提出了重要思考，特别是对于那些依赖数据驱动决策的领域。 这项研究揭示了人们在不同情境下的算法依赖模式，提示我们在设计和应用算法时，需要考虑到用户的心理预期和专业知识背景，以优化决策过程和提高结果的有效性。同时，这也强调了教育公众理解算法工作原理的重要性，以避免过度信任或过度怀疑技术，实现理性的信息采纳。