面向人机协作任务中以用户为中心的策略推荐系统设计
信息检索
2023-01-20 v1 人工智能
人机交互
摘要
人工智能正被人类用于协作解决搜索救援、制造等复杂任务。通过理解用户偏好并向人类推荐不同的任务解决策略，可实现高效的团队协作。先前工作侧重于在电商或社交网络背景下相对易于理解任务的推荐系统个性化。本文旨在理解在设计面向决策的用户中心策略推荐系统时需考虑的重要因素。我们开展了一项人类受试者实验（n=60），以测量不同人格类型用户对不同类型的策略推荐系统的偏好。实验涵盖先前工作中已确立的四种策略推荐模态：（1）单一策略推荐，（2）多个相似推荐，（3）多个多样推荐，（4）所有可能策略推荐。尽管这些策略推荐方案在先前工作中已被独立探索，我们的研究新颖之处在于同时采用全部方案并置于策略推荐背景下，从而提供对不同策略推荐系统感知的深入概览。我们发现某些人格特质（如尽责性）显著影响对特定类型系统的偏好（p < 0.01）。最后，我们报告了可用性、一致性与感知智能间有趣的关系：推荐与自身偏好的更高感知一致性导致更高的感知智能（p < 0.01）与更高的可用性（p < 0.01）。
引用
@article{arxiv.2301.08144,
title = {Towards the design of user-centric strategy recommendation systems for collaborative Human-AI tasks},
author = {Lakshita Dodeja and Pradyumna Tambwekar and Erin Hedlund-Botti and Matthew Gombolay},
journal= {arXiv preprint arXiv:2301.08144},
year = {2023}
}