حول فائدة تعلم المزيد عن البشر لتنسيق الإنسان والذكاء الاصطناعي

بينما نرغب في وجود وكلاء يمكنهم التنسيق مع البشر، فإن الخوارزميات الحالية مثل اللعب الذاتي والتدريب القائم على السكان تنتج وكلاء يمكنهم التنسيق مع أنفسهم. الوكلاء الذين يفترضون أن شريكهم مثالي أو مشابه لهم يمكن أن يتوصلوا إلى بروتوكولات تنسيق تفشل في فهم البشر أو أن يفهمهم البشر. لتوضيح ذلك، نقدم بيئة بسيطة تتطلب تنسيقًا صعبًا، استنادًا إلى اللعبة الشهيرة Overcooked، ونتعلم نموذجًا بسيطًا يقلد طريقة لعب البشر. نقوم بتقييم أداء الوكلاء المدربين من خلال اللعب الذاتي والتدريب القائم على السكان. هؤلاء الوكلاء يؤدون أداءً جيدًا جدًا عند دمجهم مع أنفسهم، ولكن عند دمجهم مع نموذجنا البشري، فإنهم يكونون أسوأ بكثير من الوكلاء المصممين للعب مع النموذج البشري. تجربة مع خوارزمية تخطيط تصل إلى نفس الاستنتاج، على الرغم من أن ذلك يحدث فقط عندما يتم توفير النموذج البشري الدقيق الذي يتعامل معه المخطط المعتمد على البشر. تظهر دراسة مستخدم مع بشر حقيقيين هذا النمط أيضًا، وإن كان بشكل أقل وضوحًا. نوعيًا، نجد أن المكاسب تأتي من تكيف الوكيل مع طريقة لعب البشر. بالنظر إلى هذه النتيجة، نقترح عدة طرق لتصميم وكلاء يتعلمون عن البشر من أجل التنسيق بشكل أفضل معهم. الشيفرة متاحة على https: //github. com/HumanCompatibleAI/overcookedₐi.