机构名称：
¥ 1.0
简介现代社会中数据收集可能性的增加意味着统计人工智能 (AI) 或机器学习 (ML) 通常用于了解用户的偏好，以便更好地（有时是为了用户，有时是为了系统所有者）为他们提供某些服务。偏好可以通过直接询问受试者（陈述偏好）来直接了解，也可以通过称为显示偏好理论 (RPT) (Varian 2006) 的过程推断出来。这两种方法都存在一系列局限性，这些局限性已被实验经济学家和心理学家随着时间的推移所证明。一组限制大致属于“非理性”行为或信念的范畴。例如，Gui、Shanahan 和 Tsay-Vogel (2021) 讨论了用户在平衡相互冲突的短期和长期偏好时行为不一致的现象。偏好在不同情境之间可能不是静态的；群体内人士的社会规范（Cialdini 和 Trost 1998）可能与他们通过数字行为显露的个人偏好相悖。不同情况下的多种偏好的存在提出了一个问题：决策者应该选择行为中“显露”的哪种偏好作为“真实”偏好或“规范”偏好（Beshears 等人 2008）。决策者也可能会犯错误（Nishimura 2018），容易受到各种环境影响，如框架（Tversky 和
人工智能系统中的行为和偏好操纵问题
主要关键词
相关文件推荐
