Improving Human Sequential Decision Making with Reinforcement Learning

doi:10.1287/mnsc.2022.02455

Improving Human Sequential Decision Making with Reinforcement Learning

2025-05-22

0

PRE

AI

Wichinpong Park Sinchaisri *

DOI：10.1287/mnsc.2022.02455

原文链接

原文求助

摘要

En 中文

员工花费大量时间学习如何做出良好的决策。然而，评估某一决策的有效性可能很复杂——例如，决策结果通常是长期的，并以复杂的方式与最初的决策相关联。令人惊讶的是，尽管学习良好的决策策略很困难，但这些策略往往可以以简单和简洁的形式表达。我们专注于序贯决策制定，设计了一种新型机器学习算法，该算法能够从轨迹数据中提取最佳实践，并以可解释的提示形式向人类传达其见解。我们的算法选择最能弥合人类员工采取的行动与最优策略采取的行动之间差距的提示，同时考虑到哪些行动对实现更高绩效具有影响。我们通过一系列随机对照实验评估了我们的方法，参与者管理一个虚拟厨房。我们的实验表明，由我们算法生成的提示可以显著提高人类相对于直觉基线的表现。此外，我们讨论了一些实证见解，这些见解可以帮助指导设计用于人机交互界面的算法。例如，我们发现证据表明参与者并非盲目地遵循我们的提示；相反，他们将其与自身经验相结合，以发现更多用于改进绩效的策略。

Keyword:

behavioral operations

interpretable reinforcement learning

sequential decision making

human-AI interface

Improving Human Sequential Decision Making with Reinforcement Learning

摘要

期刊

机构