信息物理人系统中有效人工智能推荐框架
系统与控制
2024-07-18 v1 人工智能
人机交互
机器学习
系统与控制
摘要
许多信息物理人系统（CPHS）涉及人类决策者，他们可能会接收来自人工智能（AI）平台的推荐，同时承担做出最终决策的责任。在此类 CPHS 应用中，人类决策者可能会因各种原因偏离最优推荐决策，转而实施其他决策。在本文中，我们开发了一个严谨的框架来克服这一挑战。在我们的框架中，我们考虑到人类可能会因为以不同于 AI 平台的方式感知和解释系统状态，从而偏离 AI 推荐。我们建立了最优推荐策略的结构性质，并开发了 AI 所使用的近似人类模型（AHM）。我们提供了由 AHM 引起的最优性差距的理论界限，并在一个数值示例中展示了我们结果的有效性。
引用
@article{arxiv.2403.05715,
title = {A Framework for Effective AI Recommendations in Cyber-Physical-Human Systems},
author = {Aditya Dave and Heeseung Bang and Andreas A. Malikopoulos},
journal= {arXiv preprint arXiv:2403.05715},
year = {2024}
}