深度分析
利用 χ‑irrelevance 抽象化提升 Answer Set Programming 的可解釋性與認知效率
本研究探討在符號式AI中抽象化不相關細節對人類理解與認知負荷的影響。透過移除與聚類兩種抽象手法,利用Answer Set Programming產生簡化說明。實驗顯示聚類提升判斷正確率,移除降低回答時間,證實抽象有助於以人本為中心的符號說明。同時提升使用者信心。
深度分析
本研究探討在符號式AI中抽象化不相關細節對人類理解與認知負荷的影響。透過移除與聚類兩種抽象手法,利用Answer Set Programming產生簡化說明。實驗顯示聚類提升判斷正確率,移除降低回答時間,證實抽象有助於以人本為中心的符號說明。同時提升使用者信心。
序列物理規劃
研究探討人類在資源受限情境下的序列物理規劃。利用 Overhang Tower 任務,發現隨著複雜度與時間壓力提升,預測機制從直覺物理引擎轉為視覺啟發式,規劃深度亦同步縮短。結果顯示認知資源會驅動雙重策略切換。