論文の概要: Human adaptation to adaptive machines converges to game-theoretic
equilibria
- arxiv url: http://arxiv.org/abs/2305.01124v1
- Date: Mon, 1 May 2023 23:35:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 15:50:43.785874
- Title: Human adaptation to adaptive machines converges to game-theoretic
equilibria
- Title(参考訳): 適応機械への人間適応はゲーム理論平衡に収束する
- Authors: Benjamin J. Chasnov, Lillian J. Ratliff, Samuel A. Burden
- Abstract要約: 我々は,知的人間と機械の協調的な相互作用の結果をゲーム理論を用いて予測し,設計する方法を示す。
あるアルゴリズムはマシンの最適性に対する人間と機械の相互作用を制御し、人間の行動を効果的に制御する。
- 参考スコア(独自算出の注目度): 13.234975857626752
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adaptive machines have the potential to assist or interfere with human
behavior in a range of contexts, from cognitive decision-making to physical
device assistance. Therefore it is critical to understand how machine learning
algorithms can influence human actions, particularly in situations where
machine goals are misaligned with those of people. Since humans continually
adapt to their environment using a combination of explicit and implicit
strategies, when the environment contains an adaptive machine, the human and
machine play a game. Game theory is an established framework for modeling
interactions between two or more decision-makers that has been applied
extensively in economic markets and machine algorithms. However, existing
approaches make assumptions about, rather than empirically test, how adaptation
by individual humans is affected by interaction with an adaptive machine. Here
we tested learning algorithms for machines playing general-sum games with human
subjects. Our algorithms enable the machine to select the outcome of the
co-adaptive interaction from a constellation of game-theoretic equilibria in
action and policy spaces. Importantly, the machine learning algorithms work
directly from observations of human actions without solving an inverse problem
to estimate the human's utility function as in prior work. Surprisingly, one
algorithm can steer the human-machine interaction to the machine's optimum,
effectively controlling the human's actions even while the human responds
optimally to their perceived cost landscape. Our results show that game theory
can be used to predict and design outcomes of co-adaptive interactions between
intelligent humans and machines.
- Abstract(参考訳): アダプティブマシンは、認知的意思決定から物理的デバイス支援まで、さまざまな文脈で人間の行動を補助または妨害する可能性がある。
したがって、機械学習アルゴリズムが人間の行動にどのように影響を与えるのかを理解することは重要である。
人間は明示的戦略と暗黙的な戦略を組み合わせて環境に順応するので、環境が適応機械を含む場合、人間と機械はゲームをする。
ゲーム理論は、経済市場や機械アルゴリズムに広く適用された2人以上の意思決定者間の相互作用をモデル化するための確立された枠組みである。
しかし、既存のアプローチでは、経験的にテストするのではなく、適応機械との相互作用によって個人による適応がどう影響するかを仮定している。
ここでは,人間と汎用ゲームを行う機械の学習アルゴリズムを検証した。
我々のアルゴリズムは、アクション空間とポリシー空間におけるゲーム理論平衡の星座から、共適応相互作用の結果を選択することができる。
重要なことは、機械学習アルゴリズムは、人間の行動の観察から直接、逆問題を解決することなく、人間の実用機能を事前の作業で見積もる。
驚くべきことに、1つのアルゴリズムは、機械の最適な動作に人間と機械の相互作用を制御し、人間の動作を効果的に制御することができる。
以上の結果から,ゲーム理論は知的人間と機械の協調的相互作用の結果の予測と設計に有効であることが示された。
関連論文リスト
- Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation [0.6591036379613505]
我々は,最適人-エージェントチームの性能向上のための計算モデルと最適化手法を開発した。
我々は,ロボットが逐次意思決定ゲームにおいて,その支援に従おうとする人々の意思を推測できるオンラインベイズアプローチを採用する。
ユーザの好みやチームのパフォーマンスは,ロボットの介入スタイルによって明らかに異なります。
論文 参考訳(メタデータ) (2024-03-24T14:38:18Z) - Scalable Interactive Machine Learning for Future Command and Control [1.762977457426215]
将来の戦争では、コマンド・アンド・コントロール(C2)の要員が時間スケールの縮小で決定を下す必要がある。
人工知能とヒューマンインテリジェンスの統合は、C2オペレーションプロセスに革命をもたらす可能性を秘めている。
本稿では、これらのアプローチを複雑なC2コンテキストで機能させるために、今後の研究が取り組むべき最先端の科学と技術のギャップについて述べる。
論文 参考訳(メタデータ) (2024-02-09T16:11:04Z) - SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。
この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。
屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
論文 参考訳(メタデータ) (2023-06-02T19:07:52Z) - Causal Discovery of Dynamic Models for Predicting Human Spatial
Interactions [5.742409080817885]
本稿では,人間とロボットの空間的相互作用をモデル化するための因果探索手法を提案する。
最先端の因果探索アルゴリズムを初めて活用するために、新しい方法と実用的な解決策について議論する。
論文 参考訳(メタデータ) (2022-10-29T08:56:48Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳(メタデータ) (2022-05-02T09:21:39Z) - Human-Algorithm Collaboration: Achieving Complementarity and Avoiding
Unfairness [92.26039686430204]
慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。
まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。
次に、このモデルを用いて相補性が不可能な条件を証明する。
論文 参考訳(メタデータ) (2022-02-17T18:44:41Z) - Spatial Computing and Intuitive Interaction: Bringing Mixed Reality and
Robotics Together [68.44697646919515]
本稿では,空間コンピューティングを応用し,新しいロボットのユースケースを実現するためのロボットシステムについて述べる。
空間コンピューティングとエゴセントリックな感覚を複合現実感デバイスに組み合わせることで、人間の行動をキャプチャして理解し、それらを空間的な意味を持つ行動に変換することができる。
論文 参考訳(メタデータ) (2022-02-03T10:04:26Z) - Ergonomically Intelligent Physical Human-Robot Interaction: Postural
Estimation, Assessment, and Optimization [3.681892767755111]
対話型ロボットの軌道からのみ人間の姿勢を推定できることを示す。
本稿では,微分可能なエルゴノミクスモデルであるDULAを提案する。
論文 参考訳(メタデータ) (2021-08-12T21:13:06Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳(メタデータ) (2020-06-15T13:59:47Z) - Learning to Complement Humans [67.38348247794949]
オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。
我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
論文 参考訳(メタデータ) (2020-05-01T20:00:23Z)
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。