本文研究人机交互环境下的认知机器人建模问题,提出了一种基于效用的模型来管理机器人的行为,通过效用聚合函数将机器人对事态的责任嵌入到效用模型中。
Apr, 2022
本文探讨了当存在独立的多维目标且无法互相归约时,将目标形式化地表示为绝对数学函数所面临的困难性,并提出了使用不确定性目标作为一种替代方案。我们证明了,将已知的某些不可能定理转化为两种设置下的不确定定理,并证明了这些不可能结果所蕴含的不确定度的下限。最后,我们提出了两个关于不确定目标与人工智能系统的严重意外后果之间关系的猜想。
Dec, 2018
本研究探讨了将情境型效用理论融入基于效用的决策模型中,应用此理论可以提高人工智能系统的透明度、个性化和道德发展,更好地服务于用户和开发人员。
Mar, 2023
通过情感分析来研究决策和策略互动中的人类行为,以改变传统基于结果的效用函数观点,强调语言的重要性,为经济学、心理学和人工智能领域提供新颖的博弈论方法。
Mar, 2024
本文通过两个例子论证了将效用函数表达成环境模型的函数可以避免智能体的行为问题,并讨论了自修改智能体的问题。
Nov, 2011
本文提出了一种用于优化 AI 模型的框架和一些示例方法,根据人类政策制定者的偏好来平衡公平性、模型准确性等目标之间的平衡,以此来减少偏差和不公平。
Feb, 2020
本研究提出了一种通用模型,旨在设计具有社交智能的个体理性学习者的 AI,以实现其与其他类型的代理人的有效合作。该研究重点讨论了合理性、后悔和泛饱和效率对于实现社交智能的影响,并探讨了构建稳健的系统的重要性。
May, 2023
通过合理性概念基于观察到的数据开发算法,对游戏理论中的多目标效用和聚合参数进行估计,提高行为模型对人类驾驶行为的预测准确性。
通过分析次级调查数据,我们确定了人工智能在医疗领域中的伦理原则,并提出了一个基于功利主义伦理的新的理论框架来设计医疗领域的伦理人工智能。
Sep, 2023
智能代理依赖人工智能 / 机器学习功能来预测可能行动的后果并优化策略。然而,过分追求预测准确性忽视了对效用的准确可靠评估,导致期望效用与实际影响之间存在重大差距。该研究通过量化效用不确定性和概率估计对预期效用的敏感性,比较两者的影响,提出从纯准确性驱动的方法转向更加注重效用的方法。
Oct, 2023