Прогнозування рішень про відмову на основі об'єктивних показників
Анотація
Одним із критичних проявів стану людини є відчай і відчуття втрати контролю. Незважаючи на важливість таких емоцій, це питання досліджене недостатньо. Проблема аналізу стану людини полягає в унікальності кожного з нас і тому, що наша поведінка залежить від багатьох факторів. Шахи є однією з небагатьох сфер, що дозволяє проаналізувати бажання людини припинити виконання певної дії. Цей вид спорту передбачає можливість визнати поразку і чітко визначає кілька основних факторів, що можуть впливати: час на прийняття рішення, складність чи безнадійність позиції, в якій знаходиться гравець, та рівень навичок опонентів. Робота має на меті визначити особливості визнання поразки гравцями з різним рівнем майстерності та за різних часових обмежень. Для прогнозування визнання поразки на основі послідовності ходів навчено модель на основі рекурентної нейронної мережі LSTM. Цей підхід дозволяє передбачити рішення гравця не лише на основі обставин у конкретний момент, але й врахувати попередні ходи. Прогнозування на основі лише об’єктивних шахових показників є обмеженим, що підтверджено помірною точністю навченої моделі. Також аналіз показав різницю в поведінці між гравцями з різним рівнем гри: професіонали визнають поразку приблизно на 15 відсоткових пунктів частіше, ніж початківці, але роблять приблизно на 5 ходів більше перед цим фінальним рішенням. Дослідження обмежене врахуванням подій лише в межах однієї партії і потенційний вплив результатів попередніх поєдинків не розглядається. Вплив настрою та внутрішнього стану людини в момент прийняття рішення також не оцінено, прогнозування виконувалося виключно на основі тих шахових параметрів, що чітко вимірюються
Посилання
2. Wang, X., Lu, Z., & Yin, M. (2022). Will you accept the AI recommendation? Predicting human behavior in AI-assisted decision making. In Proceedings of the ACM Web Conference 2022 (WWW ’22) (pp. 1–12). Association for Computing Machinery. DOI: 10.1145/3485447.3512240
3. Eisbach, S., Langer, M., & Hertel, G. (2023). Optimizing human–AI collaboration: Effects of motivation and accuracy information in AI-supported decision-making. Computers in Human Behavior: Artificial Humans, 1(2), Article 100015. DOI: 10.1016/j.chbah.2023.100015
4. Anderson, A., Kleinberg, J., & Mullainathan, S. (2016). Assessing human error against a benchmark of perfection. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 705–714). DOI: 10.1145/2939672.2939803
5. Acher, M., & Esnault, F. (2016). Large-scale analysis of chess games with chess engines: A preliminary report. arXiv preprint arXiv:1607.04186. DOI: 10.48550/arXiv.1607.04186
