The Delusional Hedge Algorithm as a Model of Human Learning from Diverse Opinions

要約

学習の認知モデルは、多くの場合、出来事の特徴と真のラベルや結果の両方についての直接的な経験を前提としていますが、日常的な学習の多くは、経験や真実の結果に直接アクセスすることなく、他人の意見を聞くことから生まれます。
私たちは、多様な情報ソースから学習するための古典的なソリューションであるヘッジ アルゴリズムを拡張することで、そのようなシナリオでどの意見を信頼すべきかを人々がどのように学習できるかを検討します。
まず、教師ありと教師なしの両方の経験から学習できる、妄想ヘッジと呼ばれる半教師ありのバリアントを紹介します。
2 つの実験で、人間の判断と、標準ヘッジ、妄想ヘッジ、ヒューリスティック ベースライン モデルからの予測の間の整合性を調べます。
その結果、人間は妄想ヘッジアルゴリズムと一致する方法で、ラベル付き情報とラベルなし情報の両方を効果的に組み込んでいることが示されており、人間の学習者は情報源の正確性だけでなく、他の信頼できる情報源との一貫性も評価していることが示唆されています。
この発見は、多様な意見から人間の学習についての理解を前進させ、人間が相反する情報源を比較検討する方法をより適切に捕捉するアルゴリズムの開発に示唆を与えます。

要約(オリジナル)

Whereas cognitive models of learning often assume direct experience with both the features of an event and with a true label or outcome, much of everyday learning arises from hearing the opinions of others, without direct access to either the experience or the ground truth outcome. We consider how people can learn which opinions to trust in such scenarios by extending the hedge algorithm: a classic solution for learning from diverse information sources. We first introduce a semi-supervised variant we call the delusional hedge capable of learning from both supervised and unsupervised experiences. In two experiments, we examine the alignment between human judgments and predictions from the standard hedge, the delusional hedge, and a heuristic baseline model. Results indicate that humans effectively incorporate both labeled and unlabeled information in a manner consistent with the delusional hedge algorithm — suggesting that human learners not only gauge the accuracy of information sources but also their consistency with other reliable sources. The findings advance our understanding of human learning from diverse opinions, with implications for the development of algorithms that better capture how people learn to weigh conflicting information sources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google