競合AI:競合フィードバックは機械学習にどのように影響するか?【JST・京大機械翻訳】

Ginart Antonio; Zhang Eva; Kwon Yongchan; Zou James

プレプリント

J-GLOBAL ID：202202209103228884 整理番号：21P0048845

競合AI:競合フィードバックは機械学習にどのように影響するか?【JST・京大機械翻訳】

Competing AI: How does competition feedback affect machine learning?

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09月14日プレプリントサーバーでの情報更新日： 2021年03月25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)

本論文では,競争がどのように機械学習(ML)予測子に影響するかを研究した。MLがよりユビキタスになるにつれて,顧客に競争する企業によってしばしば展開される。例えば,Yelpのようなディジタルプラットフォームは,ユーザ選好を予測し,推薦を行うためにMLを使用する。ユーザによりしばしば質問されるサービスは,ユーザ選好をより正確に予想するので,追加のユーザデータ(例えば,Yelpレビューの形で)を得る可能性が高い。したがって,競合する予測子はフィードバックループを引き起こし,予測子のパフォーマンスが訓練データにどのような訓練データを受信し,その予測を時間にわたってバイアスするのかに影響する。迅速な実験と理論的扱いやすさの両方を可能にする競合するML予測子の柔軟なモデルを導入した。経験的および数学的解析により,競争が,一般住民のより悪い性能のコストで,特定のサブポピュレーションを特殊化する予測子を引き起こすことを示した。さらに,ユーザが経験する全体的予測品質に対する予測子特殊化の影響について解析した。市場において,あまりにも多くの競合する予測子が,全体的予測品質をurtかせることを示した。著者らの理論は,ニューラルネットワークや最近傍法のような一般的な学習アルゴリズムを用いて,いくつかの実際のデータセットの実験によって補完される。【JST・京大機械翻訳】

, , , ,
, , , , , 【Automatic Indexing@JST】

人間機械系 , 人工知能

, , ,

前のページに戻る