$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Kunstmatige intelligentie (AI) raakt steeds meer verweven met zowel ons dagelijks leven als de werkplek. In veel contexten in de echte wereld is AI echter nog niet in staat om besluitvormingsprocessen volledig te automatiseren1. Bepaalde taken blijven bijzonder uitdagend voor AI vanwege de huidige technologische beperkingen, maar ook vanwege ethische en juridische overwegingen. Als gevolg hiervan is het vaak onpraktisch of niet raadzaam om AI in specifieke domeinen volledige autonomie te verlenen 2,3. Mensen blijven daarom een onmisbare rol spelen op de werkvloer en de samenwerking tussen mens en AI zal naar verwachting in de toekomst een dominante manier van productie en dienstverlening worden. Onderzoek op gebieden als gezondheidszorg, gastvrijheid en human resources heeft aangetoond dat gezamenlijke inspanningen tussen mensen en AI de kosten kunnen verlagen en, in sommige gevallen, de efficiëntie kunnen verbeteren 4,5,6.
Bij de samenwerking tussen mens en AI wordt van elke partij verwacht dat ze taken uitvoeren die aansluiten bij hun respectieve sterke punten, terwijl ze minder geschikte taken aan de ander delegeren. Daarom is effectieve taakdelegatie essentieel voor een succesvolle samenwerking en optimale prestatieresultaten. Adam et al. ontdekten dat wanneer het delegatieproces volledig geautomatiseerd is en uitsluitend door AI wordt afgehandeld zonder menselijke tussenkomst, mensen de neiging hebben om een verhoogde perceptie van zelfdreiging te ervaren7. Fuegener et al. meldden verder dat mensen tijdens het delegeren van taken aan AI vaak moeite hebben om hun eigen capaciteiten nauwkeurig te beoordelen of de moeilijkheidsgraad van taken te evalueren, wat een laag niveau van metacognitie weerspiegelt8. Deze bevindingen benadrukken het belang van het verbeteren van metacognitie in scenario's voor mens-AI-delegatie om de efficiëntie en kwaliteit van de samenwerking te verbeteren.
Metacognitie verwijst naar het vermogen van een individu om zijn eigen capaciteiten te evalueren9. In de context van wederzijdse delegatie tussen mens en AI is het niet alleen essentieel om een nauwkeurig begrip te krijgen van de capaciteiten van de andere partij, maar ook om de eigen capaciteiten te evalueren om te bepalen wanneer delegeren gepast is. Jussupow et al. ontdekte dat samenwerking tussen mens en AI het meest effectief is wanneer mensen een hoge mate van metacognitie vertonen, dat wil zeggen, wanneer ze zowel hun eigen capaciteiten als die van de AI nauwkeurig kunnen beoordelen10. Evenzo ontdekten Atchley et al. dat het bevorderen van metacognitie in onderwijsomgevingen een diepere en effectievere samenwerking tussen mensen en AI-systemen kan bevorderen11. Eerdere studies over de samenwerking tussen mens en AI hebben metacognitie vaak beoordeeld door middel van zelfrapportagevragenlijsten of door menselijke vertrouwensbeoordelingen als indirecte maatstaven te gebruiken. In psychologisch onderzoek is metacognitieve gevoeligheid (meta-d')12 echter een meer gevestigde en rigoureuze maatstaf voor metacognitie. In de huidige studie gebruiken we meta-d', volgens de benadering beschreven door Maniscalco et al. om metacognitieve gevoeligheidte beoordelen 13.
Transcraniële gelijkstroomstimulatie (tDCS) is veel gebruikt in onderzoek gericht op het verbeteren van metacognitie14. Kernaspecten van metacognitie zijn nauw verbonden met de prefrontale cortex. tDCS levert een zwakke gelijkstroom naar specifieke hersengebieden, waardoor neuronale prikkelbaarheid en synaptische plasticiteit op een niet-invasieve en niet-opdringerige manier worden gemoduleerd, waardoor onderzoekers verschillende cognitieve functies kunnen verbeteren15. Harty et al. ontdekten dat anodische stimulatie over de rechter dorsolaterale prefrontale cortex (DLPFC) de foutdetectieprestaties van deelnemers verbeterde in een foutbewustzijnstaak, waardoor hun metacognitieve monitoring van cognitieve prestaties verbeterde16. Bona en Silvanto rapporteerden dat anodische tDCS de metacognitieve bias in een werkgeheugentaak beïnvloedde17. Mattes et al. toonden aan dat hoewel tDCS de zelfvertrouwensbeoordelingen van de deelnemers beïnvloedde in zowel metacognitie- als mentaliserende taken, het hun metacognitieve gevoeligheid niet veranderde18. Tijdelijke verstoring of schade aan de prefrontale cortex - met name Brodmann-gebieden 46 en 10 - bij zowel mensen als apen heeft aangetoond dat het veranderingen in metacognitieve processen induceert14. Bovendien hebben eerdere studies causaal bewijs geleverd dat stimulatie van de DLPFC koppelt aan metacognitieve vaardigheden19,20. Met name de rechter DLPFC speelt een sleutelrol binnen het neurale netwerk dat ten grondslag ligt aan cognitieve controle21,22, dat nauw verwant is aan de eisen van onze experimentele taak. Daarom hebben we de juiste DLPFC geselecteerd als onze doellocatie voor stimulatie. In overeenstemming met gevestigde protocollen in tDCS-onderzoeken naar metacognitie, pasten we een stroom van 2 mA toe gedurende 21 minuten, inclusief een opstart- en afbouwfase van 1 minuut17,23. Momenteel is de hoogste stroomintensiteit die bij tDCS wordt gebruikt 4 mA, wat aanvaardbaar is gebleken voor deelnemers aan het onderzoek van Workman et al.24.
High-definition transcraniële gelijkstroomstimulatie (HD-tDCS) is een uiterst nauwkeurige modificatie van conventionele tDCS en biedt meer gerichte neuromodulatie door middel van gespecialiseerde elektrodemontages. Vergeleken met conventionele tDCS, die twee grote pad-elektroden gebruikt, zorgt HD-tDCS voor meer gerichte en focale stimulatie van specifieke hersengebieden, wat resulteert in meer aanhoudende effecten25,26. In tegenstelling tot neurofeedbacktechnieken die ook gericht zijn op het verbeteren van cognitieve prestaties27, biedt HD-tDCS verschillende praktische voordelen, waaronder een kortere activeringsperiode, eenvoudigere toepassingsprocedures en lagere implementatiekosten28. Vanuit het perspectief van taakdelegatie tussen mens en AI biedt HD-tDCS een hogere ruimtelijke precisie, bedieningsgemak en kosteneffectiviteit. Bovendien stelt het deelnemers in staat om deel te nemen aan langdurige taken met betrekking tot delegeren en reflectie binnen contexten die real-life of werkplekscenario's benaderen, waardoor het bijzonder geschikt is voor het onderzoeken van metacognitie bij het delegeren van mens en AI. In deze studie werd HD-tDCS gebruikt om meer gerichte stimulatie aan de DLPFC te geven.
Experimenteel ontwerp
Het experimentele materiaal was afkomstig van de ImageNet Large Scale Visual Recognition Challenge (ILSVRC)29. Het AI-model was GoogLeNet Inception v3, een van de best presterende modellen in beeldclassificatietaken30.
De experimentele taak was een mens-AI-delegatietaak, met name een beeldclassificatietaak. Afbeeldingsclassificatie omvat het toewijzen van een doelafbeelding aan een categorie, en het is een algemene taak waarvoor geen domeinspecifieke training of voorafgaande expertise vereist is. Taken op basis van specifieke situationele achtergronden kunnen de generaliseerbaarheid in gevaar brengen. In scenario's met een hoge inzet met mogelijk verlies hebben mensen bijvoorbeeld de neiging om beslissingen te delegeren aan AI31, waardoor het in feite de zondebok van het team wordt32. De taak die in deze studie werd gebruikt, is aangepast aan het collaboratieve classificatieparadigma tussen mens en AI ontwikkeld door Fuegener et al. en door Gass et al.8,33.
Er werd een voorbereidend experiment uitgevoerd om de moeilijkheidsgraad van het beeld te beoordelen. De moeilijkheidsgraad van het beeld is de gemiddelde nauwkeurigheid van het overeenkomstige beeld in de toestand van alleen de mens. Zoals te zien is in figuur 1, bestond elke proef uit een doelafbeelding en vijf sets afbeeldingsopties. Deelnemers werd gevraagd de optieset te kiezen die het beste overeenkwam met de doelafbeelding. In totaal hebben 217 deelnemers het vooronderzoek afgerond. Alle deelnemers aan het vooronderzoek werden uitgesloten van rekrutering voor het hoofdexperiment.

Figuur 1 :Interface voor voorbereidend experiment. Interface getoond aan deelnemers aan het voorlopige experiment, waar ze één antwoord selecteerden uit vijf opties. Klik hier om een grotere versie van deze figuur te bekijken.
In de formele experimentinterface (zie afbeelding 2) wordt een doelafbeelding bovenaan het scherm weergegeven. Daarnaast worden vijf opties voor afbeeldingsgroepen en één delegatieoptie (rechtsboven in het scherm) gepresenteerd. Deelnemers moeten kiezen tussen het delegeren van de taak aan de AI en het zelf voltooien ervan. In het laatste geval selecteren ze een van de vijf opties voor afbeeldingscategorieën die het beste bij de doelafbeelding passen. Na elke beslissing gaat de interface naar de volgende pagina, waar de deelnemers wordt gevraagd hun vertrouwen in hun delegatiebeslissing te beoordelen op een schaal van 1 tot 4. Voordat het formele experiment begon, kregen de deelnemers te horen dat het AI-systeem een gemiddelde nauwkeurigheid van 76% had.

Figuur 2: Formele experimentinterface. Hoofdinterface die tijdens de taak aan de deelnemers wordt getoond. (A) De taakinterface; (B) de interface voor betrouwbaarheidsclassificatie. Klik hier om een grotere versie van deze figuur te bekijken.
In totaal werden 62 rechtshandige deelnemers gerekruteerd voor het hoofdexperiment. Alle deelnemers waren afgestudeerde studenten die geen eerdere ervaring hadden met soortgelijke experimentele taken. De uitsluitingscriteria waren als volgt: deelnemers mogen binnen 24 uur voorafgaand aan het experiment geen sedatieve-hypnotica of psychoactieve stoffen hebben ingenomen, mogen geen schedeldefecten hebben (bijv. gaten of breuken) en mogen geen metalen implantaten in de schedel hebben (bijv. metalen platen). Twee deelnemers werden uitgesloten: één vanwege dermatologische ontsteking die HD-tDCS-stimulatie verhinderde, en één voor het innemen van een cafeïnehoudende drank voorafgaand aan het experiment. De overige 60 deelnemers (gemiddelde leeftijd = 22,68 ± 0,91 jaar) voltooiden het experiment. Ze werden willekeurig toegewezen aan een van de drie stimulatiecondities - anodaal, kathodaal of schijn - elk met 20 deelnemers. De simulaties van elektrische velden worden weergegeven in figuur 3. Elke deelnemer voerde de beeldclassificatietaak één keer uit voor en één keer na stimulatie, wat 120 datasets opleverde voor analyse. De HD-tDCS-procedure wordt geïllustreerd in Figuur 4 en de experimentele workflow wordt samengevat in Figuur 5. We voerden een a priori poweranalyse uit met behulp van G*Power 3.134, uitgaande van een macht van 90% (1 - β = 0,90), een effectgrootte van f = 0,25 en een alfaniveau van 0,05. De analyse gaf aan dat een minimum van 18 deelnemers per groep vereist zou zijn. Onze uiteindelijke steekproefomvang voldeed aan deze eis.

Figuur 3: Simulatie van elektrische velden. Zijaanzicht van de elektrische veldverdeling (rechterkant). (A) Anodische stimulatie conditie. (B) Kathodale stimulatie conditie. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: HD-tDCS experimentele opstelling. Foto van de experimentele opstelling van HD-tDCS, ter illustratie van de plaatsing van de elektrode en de positie van het apparaat tijdens de stimulatie. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Experimenteel stroomschema. Het experiment bestond uit drie fasen, waaronder beeldclassificatietaken die voor en na de stimulatie werden uitgevoerd. Afkortingen: HD-tDCS = high-definition transcraniële gelijkstroomstimulatie; rDLPFC = rechter dorsolaterale prefrontale cortex. Klik hier om een grotere versie van deze figuur te bekijken.