Core Concepts
機械学習システムが個人の戦略的行動を考慮して意思決定を行う際、個人は自身の特徴を操作したり改善したりすることで好ましい結果を得ようとする。本論文では、この戦略的行動が予測不可能な場合の問題を扱う。
Abstract
本論文では、機械学習システムが個人の戦略的行動を考慮して意思決定を行う際の問題を扱う。個人は自身の特徴を操作したり改善したりすることで好ましい結果を得ようとする。従来の研究では、個人が自身の行動の結果を完全に予見できると仮定していたが、本論文ではこの仮定を緩和し、結果が予測不可能な場合を考える。
具体的には以下の点を明らかにする:
個人の戦略的行動(操作と改善)と意思決定者の関係を表すスタッケルバーグゲームモデルを提案する。
戦略的意思決定者と非戦略的意思決定者の目的関数の差を3つの解釈可能な項目に分解し、各項目が意味するものを明らかにする。
意思決定者の好みを調整することで、操作を抑制しつつ改善を奨励し、公平性を促進できることを示す。
合成データおよび実データを用いた実験により、理論的知見を検証する。
Stats
個人の操作行動が検出される確率は ϵ である。
個人の改善行動が成功する確率は q である。
操作にかかるコストは CM、改善にかかるコストは CI である。
Quotes
"個人は自身の特徴を操作したり改善したりすることで好ましい結果を得ようとする。"
"従来の研究では、個人が自身の行動の結果を完全に予見できると仮定していたが、本論文ではこの仮定を緩和し、結果が予測不可能な場合を考える。"
"意思決定者の好みを調整することで、操作を抑制しつつ改善を奨励し、公平性を促進できる。"