机构名称：
¥ 1.0
机器学习（ML）已整合到日常生活的各个方面，在很大程度上从人类数据中得出了培训。因此，这些ML系统经常表现出和反映人类的行为偏见，从而引起了从社交媒体到医疗决策的应用的担忧。然而，尽管心理学研究的证据表明，但目前的ML方法主要将人类视为独立的，随机数据来源或认为它们是理性决策者。这一差距强调了将凭经验扎根的人类行为洞察力纳入ML设计的必要性。此外，随着ML的不断增长，它开辟了设计系统通过考虑现实的人类行为来增强人类决策的潜力。我的研究旨在开发出行为知识的机器学习，检查和将经验依据的人类行为纳入ML系统的设计。我重点介绍了ML生命周期中人类行为的两个关键方面：用于培训ML模型的数据的产生，以及与机器援助同行的人类决策。相应地，我的研究介绍了人类与ML之间的两种关键形式：设计从人类行为数据中学习的ML系统，并设计了增强人类决策中人类的ML系统。
研究声明：行为信息的机器学习
主要关键词
相关文件推荐
