論文の概要: Decision-aid or Controller? Steering Human Decision Makers with Algorithms

• arxiv url: http://arxiv.org/abs/2303.13712v1
• Date: Thu, 23 Mar 2023 23:24:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 16:21:44.220046
• Title: Decision-aid or Controller? Steering Human Decision Makers with Algorithms
• Title（参考訳）: 意思決定支援かコントローラか? アルゴリズムで意思決定者を操る
• Authors: Ruqing Xu, Sarah Dean
• Abstract要約: 人間の意思決定者について学習し、最終決定に影響を与えるために「個人化された推薦」を提供する意思決定支援アルゴリズムについて検討する。 このようなアルゴリズムの潜在的な応用とその社会的意味について論じる。
• 参考スコア（独自算出の注目度）: 5.449173263947196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Algorithms are used to aid human decision makers by making predictions and recommending decisions. Currently, these algorithms are trained to optimize prediction accuracy. What if they were optimized to control final decisions? In this paper, we study a decision-aid algorithm that learns about the human decision maker and provides ''personalized recommendations'' to influence final decisions. We first consider fixed human decision functions which map observable features and the algorithm's recommendations to final decisions. We characterize the conditions under which perfect control over final decisions is attainable. Under fairly general assumptions, the parameters of the human decision function can be identified from past interactions between the algorithm and the human decision maker, even when the algorithm was constrained to make truthful recommendations. We then consider a decision maker who is aware of the algorithm's manipulation and responds strategically. By posing the setting as a variation of the cheap talk game [Crawford and Sobel, 1982], we show that all equilibria are partition equilibria where only coarse information is shared: the algorithm recommends an interval containing the ideal decision. We discuss the potential applications of such algorithms and their social implications.
• Abstract（参考訳）: アルゴリズムは、予測を行い、決定を推奨することによって、人間の意思決定者を助けるために使用される。 現在、これらのアルゴリズムは予測精度を最適化するために訓練されている。 もし最終決定をコントロールできるように最適化されたら? 本稿では,人的意思決定者について学習し,決定に影響を及ぼす「個人的推薦」を提供する意思決定支援アルゴリズムについて検討する。 まず、観測可能な特徴とアルゴリズムの推奨事項を最終決定にマッピングする定型的人間決定関数について検討する。 最終決定に対する完全な制御が達成可能な条件を特徴付ける。 比較的一般的な仮定では、アルゴリズムが真に推奨するように制約された場合でも、人間の決定関数のパラメータは、アルゴリズムと人間の意思決定者の間の過去の相互作用から特定することができる。 次に,アルゴリズムの操作を認識し,戦略的に応答する意思決定者を考える。 安価なトークゲーム (Crawford and Sobel, 1982) の変種として設定を装い、全ての平衡が分割平衡であり、粗い情報しか共有されないことを示す:アルゴリズムは理想的な決定を含む区間を推奨する。 このようなアルゴリズムの潜在的な応用とその社会的意味について論じる。

関連論文リスト

• Designing Algorithmic Recommendations to Achieve Human-AI Complementarity [2.4247752614854203]
  人間の意思決定を支援するレコメンデーションアルゴリズムの設計を形式化する。 我々は、潜在的なアウトカムフレームワークを使用して、ヒトの意思決定者による二元的治療選択に対するレコメンデーションの効果をモデル化する。 機械学習で実装可能な最小限の推奨アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-05-02T17:15:30Z)
• Persuasion, Delegation, and Private Information in Algorithm-Assisted Decisions [0.0]
  プリンシパルは、バイナリ状態の公開観測可能な予測を生成するアルゴリズムを設計する。 彼女は、予測に基づいて直接行動するか、または、私的な情報を持つエージェントに決定を委譲するかを判断しなければならない。 このような環境における予測アルゴリズムとデリゲートルールの最適設計について検討する。
  論文  参考訳（メタデータ） (2024-02-14T18:32:30Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
  データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。 本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。 在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-24T15:25:16Z)
• Algorithmic Decision-Making Safeguarded by Human Knowledge [8.482569811904028]
  我々は人的知識によるアルゴリズム決定の強化について研究する。 アルゴリズム決定が大規模データに対して最適である場合、非データ駆動のヒューマンガードレールは、通常、何の利益も与えないことを示す。 これらのケースでは、十分なデータであっても、人間の知識による増強は、アルゴリズムによる決定の性能を向上させることができる。
  論文  参考訳（メタデータ） (2022-11-20T17:13:32Z)
• Algorithmic Assistance with Recommendation-Dependent Preferences [2.864550757598007]
  選択に影響を及ぼすアルゴリズムレコメンデーションの効果と設計について考察する。 我々は、レコメンデーションに依存した選好が、意思決定者がレコメンデーションに過度に反応する非効率性を生み出すことを示す。
  論文  参考訳（メタデータ） (2022-08-16T09:24:47Z)
• From Explanation to Recommendation: Ethical Standards for Algorithmic Recourse [0.0]
  我々は、リコースは、説明問題ではなく、レコメンデーション問題と見なされるべきであると主張する。 本稿では,アルゴリズム的言論における多様性制約について考察する。
  論文  参考訳（メタデータ） (2022-05-30T20:09:42Z)
• Efficient and Optimal Algorithms for Contextual Dueling Bandits under Realizability [59.81339109121384]
  我々は,学習者が文脈情報を用いて2つの決定を下す連続的な決定設定であるK$コンテキストデュエルバンディット問題について検討するが,一方の判断が他方よりも優れていることを示唆する強調基準に基づくフィードバックのみを観察する。 提案手法は, 最善応答後悔という新たな概念に対して, 最善応答後悔に対する最適後悔率を実現するアルゴリズムである。
  論文  参考訳（メタデータ） (2021-11-24T07:14:57Z)
• Double Coverage with Machine-Learned Advice [100.23487145400833]
  オンラインの基本的な$k$-serverの問題を学習強化環境で研究する。 我々のアルゴリズムは任意の k に対してほぼ最適の一貫性-破壊性トレードオフを達成することを示す。
  論文  参考訳（メタデータ） (2021-03-02T11:04:33Z)
• Run2Survive: A Decision-theoretic Approach to Algorithm Selection based on Survival Analysis [75.64261155172856]
  生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。 我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。 標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-06T15:20:17Z)
• A Case for Humans-in-the-Loop: Decisions in the Presence of Erroneous Algorithmic Scores [85.12096045419686]
  本研究では,児童虐待のホットラインスクリーニング決定を支援するアルゴリズムツールの採用について検討した。 まず、ツールがデプロイされたときに人間が行動を変えることを示します。 表示されたスコアが誤ったリスク推定である場合、人間はマシンの推奨に従わない可能性が低いことを示す。
  論文  参考訳（メタデータ） (2020-02-19T07:27:32Z)

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。