Core Concepts
人間とAIプラットフォームの相互作用を考慮した効果的なAI推奨戦略の重要性を強調する。
Abstract
この記事では、サイバー物理人間システムにおいて、人間がAIプラットフォームからの推奨を受け取る際に生じる課題に焦点を当てています。人間はさまざまな理由で最適な推奨から逸脱する可能性があり、その影響を考慮したフレームワークが開発されました。このフレームワークは、最適な推奨戦略の構造的特性を確立し、近似的な人間モデル(AHM)を導入しています。数値例示を通じて結果の有効性が示されています。
Stats
1000回のトレーニングトラジェクトリで学習率0.0001を使用してデコーダρを訓練しました。
システムダイナミクスに基づいてBx_tを計算しました。
3つの報酬関数R1_t, R2_t, R3_tが考慮されました。
Quotes
"Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them." - B. J. Dietvorst, J. P. Simmons, and C. Massey.
"Human trust in artificial intelligence: Review of empirical research." - E. Glikson and A. W. Woolley.
"Learning to make adherence-aware advice." - G. Chen, X. Li, C. Sun, and H. Wang.