消费者|班鲍尔和里希：相比于人类决策，消费者更信任算法决策？( 三 ) 人工智能|装配线|生产线|重庆

准确性也影响了人与算法之间的选择。当一个选项的错误率高而另一个选项的错误率低时，74%的受访者选择了准确度更高的选项。当人类和算法具有相同的准确性时，参与者基本上会分散他们的选票。在没有关于任一选项准确性的信息的情况下，人们有65%的时间选择了人类决策者，这可能反映了关于算法风险程度的基线假设。
速度也影响了这个决定。更快的算法导致57%的受访者选择了它，但当人类决策速度同样快时，选择算法的人下降到48%。并且在四种场景中，当两个决策者的速度相等时，受访者选择算法的意愿都下降了。
最后，默认值很重要。最初被分配给算法决策者的人有62%的时间选择了该选项，而最初被分配给人类的人中有58%的情况下也是如此。有趣的是，算法和人类默认值之间的差异在统计上是显著的：算法具有更大的持久力。当两个选项之间的准确性存在差异时，锚定的减少最大。
这些结果表明，消费者在评估是选择算法还是选择人类决策者时是比较务实的。最重要的是，他们是有价格意识的，这表明日常生活中的选择背后都是由实用主义动机在推动。
政策建议
这些有关消费者喜好的数据在帮助人们或算法做出决策方面有着重要的政策意义。
【消费者|班鲍尔和里希：相比于人类决策，消费者更信任算法决策？】第一，从原则性和重要性的角度来讲，这些喜好是很重要的，必须予以考虑。
原则性的角度是指，民主国家的运作是基于这样一个假设，即人民是自己利益的最佳评判者。但这种假设也会有错的时候，特别是当一个人的决定伤害到了其他人的时候，例如企业运用算法来歧视边缘化的社区和个人。
然而，我们的研究所涉及到的利益权衡，只会影响那些在人与算法之间做出选择的人。如果人们给出更低的价格，使得算法的准确性也因此降低，那么社会是否应该凌驾于这种偏好之上，尤其是那些不是很重要的决策，还不清楚。
考虑现有偏好的重要原因是，如果拟议中的改革与民众的态度背道而驰，改革就会更加艰难。即使群众的意见被误导了，他们也是一个重要的指引，可以告诉我们哪种政策是可行的，以及要付出什么代价。
第二，调查结果对于提高算法透明度非常有用。
参与者的选择告诉了我们，哪些信息对消费者的决定有着最重要的影响。改革的重点应该是让银行等实体披露算法提供了哪些好处，以及代价是什么，而不是算法是如何运作的，因为这些信息对普通人来说难以理解。也许，最重要的是，透明度也是相对的。人类的法官也可能是不透明的、有偏见的、武断的。算法的底线应该是人类提供的现实世界的替代方案，而不是中立、客观而又活生生的理想仲裁者。
第三，（初始）默认设置很重要，但不是绝对的。
我们的研究表明，初次分配的锚定效应是真实而显著的。路径依赖可能是算法治理的结果，因此在第一个实例中仔细设置策略非常重要。研究结果还显示了如何突破默认设置的惯性：在有意义的选择的背景下，为人们提供相关的、准确的信息。这可以与系统设计相结合，最大限度地减少默认设置的影响，如强迫选择，它既没有现实，也没有初始设置的外观。
第四，调查参与者本能地抓住了算法争论中的一个关键点：利害关系和背景问题。
这项研究测试了相对日常的决定。不过，即使在有限的场景中，情况也是大不一样的。比如在交通罚款的场景中，由于涉及到数百美元的罚款，会比争夺咖啡店礼品卡这种场景更容易让人担心算法所产生的偏见和漏洞。