Der Artikel befasst sich mit dem Problem, wie ein Kommunikationsroboter KI-Erklärungen präsentieren sollte, um die Entscheidungsfindung des Benutzers zu unterstützen. Es wird eine Methode namens DynEmph vorgestellt, bei der der Roboter dynamisch entscheidet, welche Punkte in den KI-Erklärungen er durch physische und stimmliche Ausdrücke betonen soll.
DynEmph basiert auf zwei Komponenten: einem Benutzermodell, das vorhersagt, wie sich das Betonen bestimmter Punkte auf die Entscheidung des Benutzers auswirkt, und einem Modell π, das die von der KI empfohlene Entscheidung vorhersagt. DynEmph zielt darauf ab, die erwartete Differenz zwischen der Vorhersage des Benutzerverhaltens und der KI-Empfehlung zu minimieren, indem es die Betonungspunkte dynamisch auswählt.
In Experimenten mit einem Aktienhandelssimulator wurde DynEmph evaluiert. Die Ergebnisse zeigen, dass DynEmph die Benutzer effektiv zu besseren Entscheidungen führen kann, wenn die Leistung der KI-Empfehlung hoch ist. Es wurde jedoch auch ein potenzielles Risiko identifiziert, dass Benutzer die Unvollkommenheit von DynEmph schlecht bewerten, obwohl dessen Leistung besser ist als die der meisten Teilnehmer. Mögliche Lösungen, wie die Anpassung der Stärke der Führung durch den Roboter, werden diskutiert.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Yosuke Fukuc... في arxiv.org 03-22-2024
https://arxiv.org/pdf/2403.14550.pdfاستفسارات أعمق