基于机器学习与可解释 AI 预测并理解熟练联合行动中的人类行为决策
机器学习
2022-06-07 v1 人工智能
多智能体系统
摘要
本研究使用监督机器学习（SML）与可解释人工智能（AI）对熟练联合行动中的人类决策进行建模、预测与理解。训练长短期记忆网络以预测完成二元驱赶任务（dyadic herding task）的专家与新手的目标准选决策。结果显示，所训练模型具有专长特异性，不仅能准确预测专家与新手驱赶者的目标准选决策，且可在早于行动者意识意图的时间尺度上实现。为理解专家与新手目标准选决策的差异，我们随后采用可解释 AI 技术 SHapley Additive exPlanation（SHAP）识别信息特征（变量）对模型预测的重要性。该分析揭示，相比新手，专家更易受共驱赶者状态信息的影响。本文讨论了采用 SML 与可解释 AI 技术研究人类决策的有效性。
引用
@article{arxiv.2206.02739,
title = {Predicting and Understanding Human Action Decisions during Skillful Joint-Action via Machine Learning and Explainable-AI},
author = {Fabrizia Auletta and Rachel W. Kallen and Mario di Bernardo and Micheal J. Richardson},
journal= {arXiv preprint arXiv:2206.02739},
year = {2022}
}