Costruire fiducia nei veicoli autonomi con spiegazioni chiare
Esaminando come gli errori di spiegazione influenzano la fiducia nei veicoli autonomi.
Robert Kaufman, Aaron Broukhim, David Kirsh, Nadir Weibel
― 8 leggere min
Indice
- L'importanza della fiducia nei veicoli autonomi
- Caratteristiche personali e interazione con l'utente
- Progettazione e metodologia dello studio
- Risultati
- Impatto degli errori di spiegazione
- Il contesto di guida è importante
- Il ruolo della fiducia personale e dell'esperienza
- Raccomandazioni per la progettazione degli AV
- Conclusione
- Fonte originale
- Link di riferimento
I veicoli autonomi (AV) hanno il potenziale di cambiare il modo in cui viaggiamo, promettendo vantaggi come meno incidenti, meno traffico e meno stress per i passeggeri. Tuttavia, molte persone sono titubanti nel fidarsi di questi veicoli perché spesso non capiscono come gli AV prendono decisioni. Questa sfiducia può limitare l'uso degli AV. Un modo per costruire fiducia negli AV è attraverso Spiegazioni chiare delle loro azioni. Tuttavia, a volte queste spiegazioni possono essere sbagliate o fuorvianti.
Questo studio ha analizzato come gli errori nelle spiegazioni degli AV, la situazione di guida e le caratteristiche personali possono influenzare quanto le persone si sentano a loro agio nell'usare gli AV. Volevamo vedere se gli errori nelle spiegazioni rendevano le persone meno propense a fidarsi del veicolo, a prendere il controllo da sole o a essere soddisfatte delle spiegazioni. Volevamo anche capire come la difficoltà delle situazioni di guida e i rischi percepiti di quelle situazioni influenzassero i sentimenti delle persone verso gli AV.
L'importanza della fiducia nei veicoli autonomi
La fiducia è cruciale quando si tratta di usare la tecnologia, specialmente in situazioni critiche per la sicurezza come la guida. Molti studi hanno dimostrato che le persone sono meno propense a fidarsi di un AV se non si fidano di esso. Questa mancanza di fiducia è un problema non solo per gli AV, ma anche per molti sistemi di intelligenza artificiale con cui le persone interagiscono quotidianamente. Se un AV commette un errore mentre guida, può rapidamente portare a una perdita di fiducia e a una minore disponibilità a fare affidamento su di esso.
La trasparenza del sistema è spesso suggerita come soluzione per costruire fiducia. La trasparenza significa fornire agli utenti informazioni chiare su come funziona il sistema. Nel Contesto degli AV, questo potrebbe significare spiegare cosa sta facendo il veicolo e perché. Tuttavia, le spiegazioni possono contenere errori, che possono influenzare negativamente la fiducia.
Ricerche precedenti hanno dimostrato che gli errori nella guida possono ridurre la fiducia e la disponibilità a usare un AV. Quello che è meno compreso è come le spiegazioni sbagliate influenzino la fiducia e l'affidamento. In settori particolarmente delicati come gli AV, sapere l'impatto degli errori è essenziale per il loro uso sicuro ed etico.
Dobbiamo anche ricordare che le interazioni con gli AV avvengono in situazioni di guida nella vita reale. Ogni situazione di guida può essere molto diversa, il che significa che il contesto in cui si verificano gli errori è importante. Fattori come la difficoltà della situazione di guida e la quantità di danno potenziale che comporta possono plasmare come gli utenti rispondono agli errori nelle spiegazioni.
Caratteristiche personali e interazione con l'utente
Un altro aspetto importante è come le caratteristiche personali possono influenzare l'interazione di una persona con gli AV. Le persone hanno background, esperienze e livelli di fiducia diversi riguardo alla tecnologia. Ad esempio, qualcuno con più esperienza nell'uso degli AV o un livello di fiducia iniziale più alto potrebbe reagire in modo diverso rispetto a qualcuno che è meno familiare con questi veicoli. La conoscenza pregressa e caratteristiche personali come fiducia ed esperienza possono influenzare come gli utenti rispondono agli errori nelle spiegazioni.
In questo studio, abbiamo cercato di indagare come questi fattori entrino in gioco conducendo un esperimento con 232 partecipanti in scenari di guida simulati. Abbiamo testato come gli errori nelle spiegazioni degli AV influenzassero il comfort, la preferenza di controllo, la soddisfazione delle spiegazioni e la fiducia nelle capacità di guida del veicolo.
Progettazione e metodologia dello studio
Questo studio è stato condotto utilizzando un ambiente di guida simulato. I partecipanti hanno visto video di AV che navigavano in una varietà di situazioni, da compiti di guida semplici a complessi. Dopo ogni video, hanno valutato il loro comfort nel fare affidamento sull'AV, la loro preferenza di prendere il controllo, la loro soddisfazione con la spiegazione fornita e la loro fiducia nella capacità di guida dell'AV.
Abbiamo progettato tre tipi di spiegazioni:
- Spiegazione accurata: L'AV ha descritto accuratamente cosa stava facendo e perché.
- Condizione a basso errore: L'AV ha descritto correttamente cosa stava facendo ma ha fornito una ragione sbagliata per quell'azione.
- Condizione ad alto errore: L'AV ha descritto in modo errato sia cosa stava facendo che perché.
Attraverso questo setup, siamo stati in grado di isolare l'impatto di diversi tipi di errori di spiegazione sulle risposte dei partecipanti.
Inoltre, i partecipanti hanno valutato il contesto di ciascuna situazione di guida, inclusi danni percepiti e difficoltà di guida, dopo aver visto le spiegazioni accurate. Abbiamo anche raccolto informazioni sulla loro fiducia negli AV e sulla loro esperienza con la tecnologia prima di immergerci nelle attività principali.
Risultati
Impatto degli errori di spiegazione
In generale, abbiamo scoperto che gli errori nelle spiegazioni hanno avuto un effetto negativo su tutti i risultati. I partecipanti hanno valutato il loro comfort, affidamento, soddisfazione e fiducia più bassi man mano che il livello di errore nelle spiegazioni aumentava. Questo era vero anche se le prestazioni di guida effettive dell'AV rimanevano le stesse in tutti gli scenari.
Interessantemente, i partecipanti hanno anche valutato la capacità di guida dell'AV più bassa quando le spiegazioni contenevano errori. Questo suggerisce che le percezioni delle persone su quanto bene guidi un AV possono essere influenzate dalle loro opinioni sulla qualità delle spiegazioni.
La gravità degli errori e il potenziale di danno hanno anche giocato un ruolo significativo. Quando gli errori erano considerati gravi, o quando il contesto di guida comportava rischi più elevati, gli effetti negativi sul comfort e sulla fiducia erano amplificati.
Il contesto di guida è importante
Il contesto di guida è emerso come un fattore chiave che influenza come le persone si sentono riguardo agli AV. Un danno percepito maggiore in una situazione si correlava con valutazioni più basse di comfort, affidamento e fiducia. Al contrario, una maggiore difficoltà percepita sembrava correlarsi con valutazioni di affidamento più elevate. Questo indica che le persone potrebbero essere più propense a fidarsi di un AV in situazioni difficili dove si sentono meno sicure delle proprie abilità di guida.
Anche se gli errori di spiegazione hanno influenzato come i partecipanti si sentivano riguardo all'AV, il contesto come il danno e la difficoltà moderava questi effetti. Ad esempio, l'aumento della difficoltà in uno scenario di guida portava a livelli di comfort più bassi in modo più significativo nella condizione a basso errore rispetto a quella accurata. Questo implica che i fattori contestuali possono plasmare quanto impatto possa avere un errore sulla fiducia e sull'affidamento di un partecipante.
Il ruolo della fiducia personale e dell'esperienza
I partecipanti con fiducia ed esperienza iniziali più elevate tendevano a valutare l'AV in modo più positivo su tutti i risultati. Queste caratteristiche hanno svolto un ruolo essenziale nel plasmare come i diversi individui rispondessero agli errori. Coloro che avevano maggiore familiarità con gli AV erano più propensi a fidarsi del veicolo e delle sue spiegazioni, evidenziando l'importanza del background degli utenti nella progettazione dei sistemi AV.
Stranamente, non abbiamo trovato prove che semplicemente sperimentare errori influenzasse significativamente i livelli di fiducia complessivi. Tuttavia, i partecipanti hanno segnalato di sentirsi meno sicuri nel comprendere perché gli AV prendono decisioni dopo essere stati esposti a errori durante lo studio. Questo suggerisce che, mentre la fiducia iniziale potrebbe non cambiare drammaticamente a causa dell'esposizione, il modo in cui gli individui comprendono la decisione degli AV può essere influenzato.
Raccomandazioni per la progettazione degli AV
Dal nostro studio, emergono diverse raccomandazioni per migliorare la progettazione delle spiegazioni degli AV:
Dare priorità a informazioni accurate sul 'cosa': Sembra essenziale concentrarsi nell'offrire descrizioni chiare e accurate di cosa stia facendo l'AV. Queste informazioni potrebbero avere più peso nella mente degli utenti rispetto alle spiegazioni sul perché un'azione stia avvenendo.
Consapevolezza contestuale: È cruciale progettare spiegazioni che tengano conto del contesto della situazione di guida. Se il sistema può adattare le spiegazioni per corrispondere alla difficoltà e al rischio percepito della situazione, potrebbe favorire una maggiore fiducia.
Progettazione incentrata sull'utente: Tenere conto delle differenze individuali nella fiducia e nell'esperienza può portare a una comunicazione più efficace degli AV. Personalizzare le spiegazioni per soddisfare le esigenze e i background degli utenti potrebbe migliorare l’esperienza degli utenti.
Test pre-deployment: Prima di mettere in circolazione gli AV, è importante testare l'accuratezza delle loro spiegazioni. Se un AV non può spiegare in modo affidabile le sue azioni, potrebbe essere meglio evitare di fornire spiegazioni del tutto finché non si raggiunge una qualità elevata.
Meccanismi di feedback: Incorporare modi per consentire agli utenti di fornire feedback sulle operazioni degli AV. Questo potrebbe creare un modo per gli utenti di esprimere le proprie preoccupazioni e esperienze, portando a miglioramenti del sistema.
Conclusione
Lo studio sottolinea la necessità critica di spiegazioni accurate e consapevoli del contesto nei veicoli autonomi. I nostri risultati mostrano che gli errori nelle spiegazioni possono influenzare negativamente come le persone si sentono riguardo a fidarsi e fare affidamento sugli AV, anche se le capacità di guida del veicolo rimangono coerenti.
Capire le implicazioni più ampie degli errori di spiegazione è essenziale per il futuro della progettazione, della ricerca e dell'implementazione degli AV. Sottolineando l'importanza di spiegazioni di qualità e considerando i fattori contestuali, i progettisti possono lavorare per creare interazioni più fidate e soddisfacenti tra esseri umani e AV.
In un mondo in cui gli AV stanno diventando sempre più comuni, garantire che questi veicoli possano comunicare efficacemente con gli utenti sarà cruciale per la loro accettazione e sicurezza su larga scala.
Titolo: What Did My Car Say? Impact of Autonomous Vehicle Explanation Errors and Driving Context On Comfort, Reliance, Satisfaction, and Driving Confidence
Estratto: Explanations for autonomous vehicle (AV) decisions may build trust, however, explanations can contain errors. In a simulated driving study (n = 232), we tested how AV explanation errors, driving context characteristics (perceived harm and driving difficulty), and personal traits (prior trust and expertise) affected a passenger's comfort in relying on an AV, preference for control, confidence in the AV's ability, and explanation satisfaction. Errors negatively affected all outcomes. Surprisingly, despite identical driving, explanation errors reduced ratings of the AV's driving ability. Severity and potential harm amplified the negative impact of errors. Contextual harm and driving difficulty directly impacted outcome ratings and influenced the relationship between errors and outcomes. Prior trust and expertise were positively associated with outcome ratings. Results emphasize the need for accurate, contextually adaptive, and personalized AV explanations to foster trust, reliance, satisfaction, and confidence. We conclude with design, research, and deployment recommendations for trustworthy AV explanation systems.
Autori: Robert Kaufman, Aaron Broukhim, David Kirsh, Nadir Weibel
Ultimo aggiornamento: 2024-09-10 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2409.05731
Fonte PDF: https://arxiv.org/pdf/2409.05731
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.