Apr, 2019

应用行为学理论和机器学习预测人类决策

PDF
TL;DR通过预测人类在经济资本决策任务中的选择来测试行为决策理论在预测人类行为方面的帮助作用，并发现将某些行为理论作为机器学习系统特征进行集成提供了最佳预测结果。同时，我们发现预测人类决策最有用的理论是建立在人类和动物学习的基本属性之上，与主流拓展类决策理论有很大不同。此外，我们发现理论特征不仅应基于定性行为见解（例如损失厌恶），还应基于具有功能描述性模型生成的定量行为远见（如前景理论）。我们的分析提出了一个推导出可解释且有用的人类决策预测的方法。
behavioral decision theoriespredictionmachine learningfunctional descriptive modelshuman decisions
发现论文，激发创造
  • 预测人类决策的认知模型先验

    本文提出了两个贡献：通过预训练神经网络和构建 “认知模型先验” 以捕捉人类行为的归纳偏见，使得机器学习方法在小样本数据集上能够显著提高预测准确率；基于超过 240,000 项人类决策的大规模数据集，揭示出认知模型先验适用的情况，并为人类决策预测建立了新的基准。

    May, 2019

  • 人类行为建模第一部分 -- 学习和信念方法

    本文简明扼要地综述了人类行为量化模型领域中最重要的两个方法：基于探索和反馈学习模型或策略的技术以及直接模拟人类推理机制（思想和偏见）而无需通过试错法进行学习。

    May, 2022

  • 将基于人工智能的决策制定与非理性人类行为调和：一种量子概率方法

    使用量子理论的数学框架，建立一种建模框架来解释和预测认知偏差，在智能系统与人类互动中实现更好的人机交互。

    Aug, 2018

  • 利用解释桥接人工智能和人类

    该研究论文提出了解释性机器学习方法来提高人类决策水平和人工智能协助决策效能之间的差距。

    Mar, 2020

  • 基于前景理论的人类决策规则设计与假设检验

    探测规则需要重新设计以适应行为智能体，本文采用前景理论模型研究了对特殊代理模型优化探测规则的不同方案，并且还展示了不同行为模型下人类智能体的决策规则与贝叶斯决策规则的偏差。

    Oct, 2016

  • 在无法预见结果下的模仿战略行为中学习

    利用机器学习系统进行个体决策的智能行为研究，提出了基于 Stackelberg 博弈的模型，探讨了决策者对个体行为的预期能力对其目标函数和个体最佳反应的影响，并通过调整偏好，同时抑制操纵、鼓励改进和促进公平。

    May, 2024

  • 人类对适应性机器的适应趋于博弈论均衡

    本文通过运用机器学习算法与博弈论的框架， 利用多个均衡状态来调节和预测智能人和机器之间的协同适应交互， 并发现某些算法可有效地控制人的行为，从而引导人机交互达到机器的最优状态。

    May, 2023

  • 人类预测和机器学习模型解释中的欺骗检测案例研究

    该研究利用欺骗检测作为实验平台，研究了如何利用机器学习模型的解释和预测来提高人类表现，并保持人类主体性。结果表明，机器预测的解释可以促进人类表现的提高，而这种提高与机器高性能的明确建议具有相似的效果。

    Nov, 2018

  • 人类行为建模 Part II -- 认知方法与不确定性

    本文讨论以人类认知能力、局限性和偏见为基础的学习方法，并介绍一些方法来产生和利用对人类决策或未来决策结果的偏见或不确定性的表示。

    May, 2022

  • 这个理论是有预测性的，但它是否完整？一个关于人类对随机性感知的应用

    本文通过机器学习算法的方法探测预测模型的有效性，以预测人类生成的随机序列为例，对问题中可预测变量的阐述进行了实验，发现现有的行为模型只能解释大约 15％的可预测变化，并提供了一种有效的方法来评估理论在不同情境下的效果，从而得出机器学习在检测理论完整性上的可行性。

    Jun, 2017