既有证据|ESTABLISHED EVIDENCE
人类 + AI,不会自动等于更好的判断。
证据显示,AI 可以增强人类表现;但人类与 AI 的组合,并不会自动胜过其中表现较强的一方。结果会随任务、双方相对能力以及互动设计而改变。
检验
这项研究计划,将既有证据与 Clarity 的命题及尚未解答的问题清楚区分。
当智能变得越来越充沛,人类判断会发生什么变化?
人工智能正快速扩大可以被生成、分析、建议——以及越来越多可以被直接采取行动的范围。
这改变的不只是机器能做什么。
它也改变了人类感知、判断、决策与行动所处的条件。
问题已经不再只是:
AI 会变得多强大?
还有另一个问题:
当越来越多能力移到人类心智之外,我们自身有什么必须变得更强?
这个问题,正位于 Clarity 研究议程的核心。
我们并不是从零开始。
数十年来,认知科学、心理学、行为科学、神经科学与决策研究都显示:人类判断并不是只由信息所产生。
注意力、过往经验、情绪、情境、显著性、框架、确信程度以及其他影响因素,都可能影响我们注意到什么、如何诠释,以及最后做出什么选择。
既有证据|ESTABLISHED EVIDENCE
证据显示,AI 可以增强人类表现;但人类与 AI 的组合,并不会自动胜过其中表现较强的一方。结果会随任务、双方相对能力以及互动设计而改变。
新兴证据|EMERGING EVIDENCE
新兴研究指出,元认知敏感度可能影响人们在回应 AI 建议时,如何运用自己的确信程度。
新兴证据|EMERGING EVIDENCE
关于人类监督的新兴研究显示,有意义的人类参与,不只是把一个人留在「回路中」。认知能力、足够的判断空间、权限,以及介入的能力,都可能很重要。
我们正在快速学会如何让 AI 变得更强大。
相对应的问题是:人类判断应该如何与它一起发展?
CLARITY 命题|CLARITY PROPOSITION
Clarity 提出:一项重要的人类能力,可能不只是取得更多信息,而是更能辨认什么正在影响我们的感知与判断——尤其是在后果重大的时刻。
这个命题并不是主张人应该持续保持自我觉察。
目标也不只是放慢速度。
这个工作假说更精确地说:
如果人们能在正确的时刻更好地辨认相关信号,觉察那些对判断具有重要影响的因素,创造足够的认知空间,重新思考什么真正重要,并把更清楚的感知转化为有意识的行动,人类判断可能因此受益。
这项能力能否被系统性地发展、练习与衡量?
Clarity 正是在这里,从命题走向研究与检验。
开放问题|OPEN QUESTION
一个严肃的命题,必须容许自己可能是错的。
而最终,我们还要问:
这些问题不是这项计划的弱点。
它们正是研究议程本身。
把相关能力与构念界定得足够精确,使其可以被研究。
我们所说的觉察质量、感知质量、判断质量与决策质量,究竟是什么?
发展不只依赖自我报告的衡量方法。
可能的证据可结合行为测量、情境式判断、纵向观察、质性证据,以及在科学上适切时采用既有量表或测量工具。
检验特定练习是否会改变相关能力——以及这些改变能否转移到真实情境。
测试可涵盖不同族群、情境、压力程度,以及不同形式的人类与 AI 互动。
邀请独立研究者、实务工作者与机构,挑战、重复验证、修正——甚至否定这些命题。
研究的目的,不是证明 Clarity 是对的。
而是找出:什么成立、什么不成立、对谁成立、在什么条件下成立——以及什么必须改变。
这项探索不应只属于一个人、一个学科或一种文化。
AI 时代的人类判断问题,横跨心理学、认知科学、神经科学、教育、管理、医学、科技、哲学、伦理,以及每个人的日常经验。
因此,Clarity 邀请研究者、实务工作者、教育者、组织领导者与机构,以批判性的方式检验这些命题。
不只是支持它。
而是挑战它。
测试它。
让它变得更好。
质疑一项假设或理论主张。
探索一个研究问题或验证方法。
在组织、专业领域或真实情境中研究 Clarity。
提供能强化——或挑战——这个新兴架构的研究。
讨论研究、机构或应用合作的可能性。
Clarity 始于一个提问。
它最终的价值,应取决于经过证据、实践与挑战之后,还有什么能够成立。