通过 Shapley Bandits 提升自适应社交健身游戏的公平性
人工智能
2023-02-22 v2 人机交互
摘要
随着人工智能融入社会，算法公平成为一项基本要求。在人工智能分配资源的社交应用中，算法常常必须做出有利于部分用户（有时是反复或排他性地）的决策，同时试图最大化特定结果。我们应如何设计此类系统以更公平地服务用户？本文在一个名为 Step Heroes 的社交健身游戏中，针对一组用户共同努力实现共享目标的情境，探讨了这一问题。我们识别了传统多臂老虎机 (MABs) 中的不良结果，并形式化了贪婪老虎机问题。随后，我们提出了一种基于新型公平感知多臂老虎机 Shapley Bandits 的解决方案。该方法利用 Shapley 值来提高整体玩家参与度和干预依从性，而非最大化总群体产出（传统上通过仅偏爱高绩效参与者来实现）。我们通过一项用户研究 (n=46) 评估了我们的方法。结果表明，我们的 Shapley Bandits 有效缓解了贪婪老虎机问题，并在所有参与者中实现了更好的用户留存率和积极性。
引用
@article{arxiv.2302.09298,
title = {Improving Fairness in Adaptive Social Exergames via Shapley Bandits},
author = {Robert C. Gray and Jennifer Villareale and Thomas B. Fox and Diane H. Dallal and Santiago Ontañón and Danielle Arigo and Shahin Jabbari and Jichen Zhu},
journal= {arXiv preprint arXiv:2302.09298},
year = {2023}
}