人間-AIチームにおける個人化:互換性-精度トレードオフの改善【JST・京大機械翻訳】

Martinez Jonathan; Gal Kobi; Kamar Ece; Lelis Levi H. S.

プレプリント

J-GLOBAL ID：202202202141571458 整理番号：22P0131257

人間-AIチームにおける個人化:互換性-精度トレードオフの改善【JST・京大機械翻訳】

Personalization in Human-AI Teams: Improving the Compatibility-Accuracy Tradeoff

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年04月05日プレプリントサーバーでの情報更新日： 2020年08月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ユーザと相互作用し,相互作用するAIシステムは,新しい情報と環境の変化を反映するために,それらのモデルを時間とともに更新できる。これらの更新は,AIシステムの全体性能を改善する可能性があるが,それらは実際に個々のユーザに関して性能に悩まされるかもしれない。以前の研究は,更新後のシステムの精度の改善と,事前のユーザ経験との更新システムの適合性の間のトレードオフを研究した。より多くのモデルは,以前のバージョンと互換性があるように強制され,精度の高い損失が繰り返されるであろう。本論文では,特定のユーザに損失関数を個人化することにより,いくつかの場合において,これらのユーザに関して互換性-精度トレードオフを改善することが可能であることを示した(モデルの精度を犠牲にしながら,モデルの両立性を増す)。著者らは,このアプローチが平均(約20%)で中程度の改善を提供するが,あるユーザ(最大300%)に対して大きな改善を提供することを示した。【JST・京大機械翻訳】

, , , , , , , ,

人工知能 , 人間機械系 , 応用心理学 , 移動通信

, , , , ,

前のページに戻る