當家做主人人愛

電腦驅動的演算法，愈來愈精通決策及預測，其實，它們的評估經常優於人的判斷。儘管演算法的優越有清楚的證據，研究卻顯示，人通常會選擇仰賴自己的判斷。尤其是對演算法有經驗、發現它們不完美之處的人，更是如此。研究人員稱為「演算法趨避」（algorithm aversion）。

有一項新研究，就是在探討如何降低這種趨避性，答案是：讓人可調整機器的運算結果。「促使人運用演算法的利益，可能勝過降低演算法績效等級的相關成本，」研究人員下結論說，以數學為根據的決策，即使有輕微的缺陷，可能都比人的預測還正確。

為了測試這個論點，研究人員進行一系列的實驗，請受測者預測標準化考試的學生成績。在一項實驗裡，一部分受測者可在自己的預測，或是統計模型的預測之間做選擇，其他受測者除此之外，還可以調整統計預測達十分之多。可以調整模型預測結果的受測者，約有四分之三決定仰賴統計模型；相較之下，不能調整的受測者，只有三分之一選擇以統計模型預測。另一項實驗規定調整幅度限制在兩分以內；令人驚奇的是，這並不會減低受測者仰賴統計模型的意願。研究人員的結論是，人看重的是能在預測裡加入個人色彩，即使很輕微也沒關係。

受測者在完成預測之後，還有