人类感知的信念修订：面向解释导向的人类模型修订的认知启发框架
人工智能
2024-08-23 v2
摘要
传统信念修订框架常依赖最小主义原则，即主张对现有信念进行最小化修改。然而，人类认知研究表明，人们天然倾向于寻求不一致性的解释，从而追求解释性理解而非最小化修改来修订信念。传统框架往往未能体现这些认知模式，依赖形式化原则而可能不反映实际的人类推理。为填补这一差距，本文引入人类感知的信念修订 (Human-Aware Belief Revision)，一个受认知启发的框架，用于建模人类信念修订动态。该框架在给定人类模型和一个解释 (explanandum) 的解释后，对模型进行非最小化修订，以符合人类认知。最后，我们进行两项人类主观研究，以实际场景评估该框架。我们的发现支持我们的假设，提供了人们在解决不一致性时所采取策略的见解，为开发更有效的人类感知 AI 系统提供了指导。
引用
@article{arxiv.2405.19238,
title = {Human-Aware Belief Revision: A Cognitively Inspired Framework for Explanation-Guided Revision of Human Models},
author = {Stylianos Loukas Vasileiou and William Yeoh},
journal= {arXiv preprint arXiv:2405.19238},
year = {2024}
}