基于数字足迹的可解释 AI 心理画像：来自消费数据的五大人格预测案例研究
人工智能
2021-12-17 v1
摘要
我们在数字世界中的每一步都会留下行为记录，即数字足迹。研究表明，算法可将这些数字足迹转化为对心理特征（包括人格特质、心理健康或智力）的准确估计。然而，AI 生成这些洞察的机制通常仍不透明。在本文中，我们展示了可解释 AI（Explainable AI，XAI）如何帮助领域专家和数据主体验证、质疑并改进从数字足迹中分类心理特质的模型。我们针对来自金融交易数据（N = 6,408）的五大人格预测（特质与 facets），详细阐述了两种流行的 XAI 方法（规则提取与反事实解释）。首先，我们展示了全局规则提取如何揭示模型识别为对人格最具预测性的消费模式，并讨论了这些规则如何用于解释、验证和改进模型。其次，我们实现局部规则提取以表明，个体因其独特的金融行为而被划分到人格类别中，且模型预测置信度与贡献于预测的特征数量之间存在正向关联。我们的实验凸显了全局与局部 XAI 方法的重要性。通过更好地理解预测模型在总体上如何运作以及它们如何为特定个体得出结果，XAI 在 AI 影响全球数十亿人生活的世界中促进了问责性。
引用
@article{arxiv.2111.06908,
title = {Explainable AI for Psychological Profiling from Digital Footprints: A Case Study of Big Five Personality Predictions from Spending Data},
author = {Yanou Ramon and Sandra C. Matz and R. A. Farrokhnia and David Martens},
journal= {arXiv preprint arXiv:2111.06908},
year = {2021}
}
备注
24 pages, 12 figures, 6 tables