即时发布
研究者开发新培训工具帮助人工智能程序更好地说明事实,即人类提供个人信息时并不总是讲真话。开发新工具时使用人有经济动机撒谎,例如申请按揭或试图降低保费
AI程序在各种商业环境使用, 诸如帮助判断个人能支付多少按揭, 或个人应支付多少保费, Mehmet Caner 说,人工智能程序通常使用数学算法完全由统计驱动来预测问题在于这个方法为人们提供谎言动机, 以便他们能得到按揭, 降低保费等
Caner表示:「我们想看看是否有方法调整AI算法以计算经济激励骗局, 北卡罗来纳州立大学库尔管理学院Thurman-Raytheon杰出经济学教授
研究者开发出一套新培训参数,具体地说,新培训参数侧重于识别和计算用户经济奖励换句话说 AI训练自身识别环境 人类用户可能撒谎提高结果
概念验证模拟修改AI更能检测用户不准确信息
Caner表示:「这有效减少了用户提交信息时撒谎的动机”。小谎言仍然不可检测需要做点额外工作以更好地了解界值介于小谎言和大谎言之间
研究人员公诸于众地提供新的AI培训参数,使AI开发商可以实验这些参数。
Caner表示:「工作显示我们可以改善AI程序,上点说,如果我们使AI足够聪明, 我们也许能完全消除那些动机
报社人应该对机器撒谎Lasso和GLM结构相容估计器发布于商业经济统计杂志.论文由特拉维夫大学Kfir Eliaz和犹他大学共同编写
机手-
编辑器注解 :学习文摘附后
人应该对机器撒谎Lasso和GLM结构相容估计器的鼓励兼容性
作者类MehmetCaner北卡罗来纳州立大学和Kfir Eliaz,特拉维夫大学和犹他大学
发布3月12日商业经济统计杂志
多尔市: 10.1080/07350015.2024.2316102
抽象性 :用户向机器学习法输入属性 并试图预测最佳选择预测器兼容性强,用户没有动机误报共变聚焦广受欢迎的Lasso估计技术,我们从高维统计中借用工具来描述充分条件特征,确保Lasso奖励与无药性案例兼容扩展结果为非线性机器学习新技术通用线性模型结构估计器结果显示,如果调试参数保留在免试性临界值以上,则奖励兼容性实现
