将移动健康用户建模为强化学习智能体
机器学习
2022-12-05 v1 人工智能
摘要
移动健康（mHealth）技术通过提供适应用户需求的干预（如推送通知），帮助患者在其日常生活中采纳或维持健康行为。在此类场景中，若无干预，人类的决策可能受损（例如看重短期享乐而非自身长期目标）。本工作中，我们形式化了这一关系：在一个框架中，用户优化一个（可能受损的）马尔可夫决策过程（MDP），而mHealth智能体对用户MDP的参数进行干预。我们表明，不同类型的受损意味着不同类型的最优干预。我们还对这些差异进行了分析与实证探究。
引用
@article{arxiv.2212.00863,
title = {Modeling Mobile Health Users as Reinforcement Learning Agents},
author = {Eura Shin and Siddharth Swaroop and Weiwei Pan and Susan Murphy and Finale Doshi-Velez},
journal= {arXiv preprint arXiv:2212.00863},
year = {2022}
}