【标题】Assessing Human Interaction in Virtual Reality With Continually Learning Prediction Agents Based on Reinforcement Learning Algorithms: A Pilot Study

【作者团队】Dylan J. A. Brenneis, Adam S. Parker, Michael Bradley Johanson, Andrew Butcher, Elnaz Davoodi, Leslie Acker, Matthew M. Botvinick, Joseph Modayil, Adam White, Patrick M. Pilarski

【发表日期】2021.12.14

【论文链接】https://arxiv.org/pdf/2112.07774.pdf

【推荐理由】人工智能系统越来越多地涉及持续学习，以实现灵活性。但现有研究尚未充分探索系统主动学习时发生的交互，这些交互可以在几分钟内显着改变其行为。本试点研究调查了人类与不断学习的预测智能体之间的交互如何随着智能体能力的发展而发展。此外，其比较了两种不同的代理架构，以评估代理设计中的表征选择如何影响人与智能体的交互。通过开发虚拟现实环境和基于时间的预测任务，其中从强化学习 (RL) 算法中学到的预测增强了人类的预测。并应用定量和定性分析来评估参与者在此任务中的表现和行为在不同类型的智能体中有何不同。研究结果表明，人类对系统的信任可能会受到与智能体的早期交互的影响，而这种信任反过来又会影响战略行为，但试点研究的局限性排除了任何结论性陈述。在考虑基于 RL 的技术时，将信任视为交互的关键特征，并提出了一些修改本研究的建议，为更大规模的调查做准备。

内容中包含的图片若涉及版权问题，请及时与我们联系删除