論文の概要: Towards the design of user-centric strategy recommendation systems for
collaborative Human-AI tasks
- arxiv url: http://arxiv.org/abs/2301.08144v1
- Date: Tue, 17 Jan 2023 17:53:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 14:39:01.835379
- Title: Towards the design of user-centric strategy recommendation systems for
collaborative Human-AI tasks
- Title(参考訳): 協調型ヒューマンAIタスクのためのユーザ中心戦略推薦システムの設計に向けて
- Authors: Lakshita Dodeja, Pradyumna Tambwekar, Erin Hedlund-Botti, Matthew
Gombolay
- Abstract要約: ユーザ中心の戦略レコメンデーションシステムを設計しながら、考慮すべき重要な要素を理解することを目指す。
我々は,異なる人格型を持つユーザの嗜好を,異なる戦略推薦システムへ向けて測定するための人物体実験を行った。
その結果、良心のような特定の性格特性が、特定のタイプのシステムに対する嗜好に特に影響を及ぼすことが判明した。
- 参考スコア(独自算出の注目度): 2.0454959820861727
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence is being employed by humans to collaboratively solve
complicated tasks for search and rescue, manufacturing, etc. Efficient teamwork
can be achieved by understanding user preferences and recommending different
strategies for solving the particular task to humans. Prior work has focused on
personalization of recommendation systems for relatively well-understood tasks
in the context of e-commerce or social networks. In this paper, we seek to
understand the important factors to consider while designing user-centric
strategy recommendation systems for decision-making. We conducted a
human-subjects experiment (n=60) for measuring the preferences of users with
different personality types towards different strategy recommendation systems.
We conducted our experiment across four types of strategy recommendation
modalities that have been established in prior work: (1) Single strategy
recommendation, (2) Multiple similar recommendations, (3) Multiple diverse
recommendations, (4) All possible strategies recommendations. While these
strategy recommendation schemes have been explored independently in prior work,
our study is novel in that we employ all of them simultaneously and in the
context of strategy recommendations, to provide us an in-depth overview of the
perception of different strategy recommendation systems. We found that certain
personality traits, such as conscientiousness, notably impact the preference
towards a particular type of system (p < 0.01). Finally, we report an
interesting relationship between usability, alignment and perceived
intelligence wherein greater perceived alignment of recommendations with one's
own preferences leads to higher perceived intelligence (p < 0.01) and higher
usability (p < 0.01).
- Abstract(参考訳): 人工知能は、捜索や救助、製造などの複雑なタスクを協調的に解決するために、人間が採用している。
効率的なチームワークは、ユーザの好みを理解し、特定のタスクを解決するためのさまざまな戦略を推奨することで実現できます。
以前の仕事は、eコマースやソーシャルネットワークの文脈において、比較的よく理解されているタスクのためのレコメンデーションシステムのパーソナライズに焦点を当てていた。
本稿では,意思決定のためのユーザ中心戦略レコメンデーションシステムの設計において考慮すべき重要な要素について考察する。
異なるパーソナリティタイプを持つユーザの戦略推薦システムに対する好みを測定するためのヒューマン・サブジェクション実験(n=60)を行った。
本研究は,(1)単一戦略勧告,(2)類似した複数の勧告,(3)多種多様な勧告,(4)すべての可能な戦略勧告の4種類の戦略勧告にまたがって実施した。
これらの戦略レコメンデーションスキームは,従来から独立して検討されてきたが,戦略レコメンデーションの文脈において,これら全てを同時に活用することで,異なる戦略レコメンデーションシステムに対する認識の深い概要を提供することができる。
ある種の性格特性、例えば良心性は、特定の種類のシステムに対する嗜好に特に影響を与えている(p < 0.01)。
最後に、ユーザビリティ、アライメント、知覚インテリジェンスとの興味深い関係を報告し、リコメンデーションのアライメントが自分の好みとより高い認知インテリジェンス(p < 0.01)と高いユーザビリティ(p < 0.01)に繋がることを示した。
関連論文リスト
- Strength Lies in Differences! Towards Effective Non-collaborative
Dialogues via Tailored Strategy Planning [72.5640488112819]
我々は,多様なユーザを対象とした適切な戦略計画に携わる非協力的対話エージェントについて検討する。
これは、ユーザ固有の特徴を戦略的計画に統合できないことと、多様なユーザに一般化可能な戦略的プランナーを作成できないことによる、既存の対話エージェントの課題を提起する。
本稿では、ユーザ対応戦略計画モジュールと人口ベーストレーニングパラダイムを取り入れた、戦略計画の調整能力を高めるため、TRIPを提案する。
論文 参考訳(メタデータ) (2024-03-11T14:38:16Z) - Eliciting User Preferences for Personalized Multi-Objective Decision
Making through Comparative Feedback [76.7007545844273]
目的に対して異なるユーザの好みに対応する多目的意思決定フレームワークを提案する。
我々のモデルは、ベクトル値の報酬関数を持つマルコフ決定プロセスで構成され、各ユーザが未知の選好ベクトルを持つ。
少数の比較クエリを用いて,ユーザに対してほぼ最適なポリシを求めるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-07T23:58:19Z) - Strategic Decision-Making in the Presence of Information Asymmetry:
Provably Efficient RL with Algorithmic Instruments [55.41685740015095]
我々は,戦略MDPと呼ばれる新しいモデルの下で,オフライン強化学習について検討する。
アルゴリズムiNstruments(PLAN)を用いたペシミスティックポリシー学習法を提案する。
論文 参考訳(メタデータ) (2022-08-23T15:32:44Z) - DGPO: Discovering Multiple Strategies with Diversity-Guided Policy
Optimization [34.40615558867965]
与えられたタスクを解決するための複数の戦略を探索するオンラインアルゴリズムを提案する。
以前の作業とは異なり、単一の実行でトレーニングされた共有ポリシネットワークでこれを実現する。
実験結果から,本手法は多種多様な強化学習課題における多様な戦略を効果的に発見できることが示唆された。
論文 参考訳(メタデータ) (2022-07-12T15:57:55Z) - A Review on Pushing the Limits of Baseline Recommendation Systems with
the integration of Opinion Mining & Information Retrieval Techniques [0.0]
Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。
より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。
研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
論文 参考訳(メタデータ) (2022-05-03T22:13:33Z) - Doubting AI Predictions: Influence-Driven Second Opinion Recommendation [92.30805227803688]
我々は,補完的な意見を提供する可能性のある専門家を識別する,共通の組織的実践に基づいて,人間とAIのコラボレーションを強化する方法を提案する。
提案手法は、一部の専門家がアルゴリズムによる評価に異を唱えるかどうかを特定することによって、生産的な不一致を活用することを目的としている。
論文 参考訳(メタデータ) (2022-04-29T20:35:07Z) - New Hybrid Techniques for Business Recommender Systems [0.0]
本稿では,知識に基づくB2Bサービスにレコメンデータシステムを組み込むプロセスを提案する。
必要な文脈知識を組み込むための推奨手法をいくつか提案し、比較する。
これらの技術は、ビジネスインテリジェンスコンサルタントの試験セットで独立して評価される。
論文 参考訳(メタデータ) (2021-09-27T11:21:31Z) - Heterogeneous Demand Effects of Recommendation Strategies in a Mobile
Application: Evidence from Econometric Models and Machine-Learning
Instruments [73.7716728492574]
本研究では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。
提案手法では, 有効性に有意な差が認められた。
我々は,ユーザ生成レビューのディープラーニングモデルに基づいて,製品分化(アイソレーション)をキャプチャする新しいエコノメトリ機器を開発した。
論文 参考訳(メタデータ) (2021-02-20T22:58:54Z) - INSPIRED: Toward Sociable Recommendation Dialog Systems [51.1063713492648]
レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。
本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。
分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
論文 参考訳(メタデータ) (2020-09-29T21:03:44Z) - Reinforcement Learning for Strategic Recommendations [32.73903761398027]
ストラテジックレコメンデーション(SR)とは、知的エージェントがユーザのシーケンシャルな行動や活動を観察し、いつ、どのように相互作用するかを決めて、ユーザとビジネスの両方の長期的な目的を最適化する問題を指す。
Adobeリサーチでは、関心点の推薦、チュートリアルレコメンデーション、マルチメディア編集ソフトウェアにおける次のステップガイダンス、ライフタイムバリューの最適化のための広告レコメンデーションなど、さまざまなユースケースでこのようなシステムを実装してきました。
ユーザのシーケンシャルな振る舞いをモデル化したり、いつ介入するかを決め、ユーザに迷惑をかけずにレコメンデーションを提示したり、オフラインでポリシーを評価するなど、これらのシステム構築には多くの研究課題がある。
論文 参考訳(メタデータ) (2020-09-15T20:45:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。