[論文レビュー] Learning what they think vs. learning what they do: The micro-foundations of vicarious learning

Sanghyun Park, Phanish Puranam|arXiv (Cornell University)|Jul 30, 2020

Game Theory and Applications被引用数 1

ひとこと要約

本稿は、他者の行動を観察する（何をしたかを学ぶ）ことと、信念を共有する（何を考えているかを学ぶ）ことの2つの vicarious learning のメカニズムをモデル化し、時間的制約のない低ばらつき・高差益の報酬環境では、観察学習が信念共有を上回ることが多いことを発見した。主な洞察は、信念共有は行動の多様性と反事後的学習を減少させ、自己確認バイアスを増大させる一方、観察学習は探索と学習効率をよりよく維持するということである。

ABSTRACT

Vicarious learning is a vital component of organizational learning. We theorize and model two fundamental processes underlying vicarious learning: observation of actions (learning what they do) vs. belief sharing (learning what they think). The analysis of our model points to three key insights. First, vicarious learning through either process is beneficial even when no agent in a system of vicarious learners begins with a knowledge advantage. Second, vicarious learning through belief sharing is not universally better than mutual observation of actions and outcomes. Specifically, enabling mutual observability of actions and outcomes is superior to sharing of beliefs when the task environment features few alternatives with large differences in their value and there are no time pressures. Third, symmetry in vicarious learning in fact adversely affects belief sharing but improves observational learning. All three results are shown to be the consequence of how vicarious learning affects self-confirming biased beliefs.

研究の動機と目的

• 行動観察（他者の行動を学ぶ）と信念共有（他者の考えを学ぶ）という2つの異なるプロセスを通じて、vicarious learning の微視的基盤を理論化・モデル化すること。
• 2人組の学習やシステム的学習の文脈において、それぞれのメカニズムがどのような条件下で他方を上回るかを検討すること。
• 自己確認バイアスを有する信念が、これらの2つのメカニズムを通じた vicarious learning の有効性に与える影響を調査すること。
• 特にリモート環境や人間-AI協働の文脈において、信念共有が組織的学習において普遍的に優れているという仮定に疑問を呈すること。

提案手法

• 本研究は、学習者とモデルの間の対人レベルでの関連学習（報酬に基づく学習）の形式的モデルを用い、相互作用をシミュレートする。
• 2つのメカニズムを比較する：(1) 行動と結果の観察（観察学習）、(2) 期待値に関する信念の交換（信念共有）。
• フィードバックループによって行動によって否定されない自己確認バイアスを有する信念を、学習ダイナミクスに組み込む。
• 各メカニズムが反事後的学習の範囲や最適行動への収束速度に与える影響を分析する。
• vicarious learning における対称性の影響を評価するために、システム的状況へのモデルの拡張を行う。
• 比較的静的分析を用いて、代替数、報酬差、時間的制約を含むさまざまなタスク環境下でのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、vicarious learning における観察学習が信念共有を上回るのか？
• RQ2 自己確認バイアスを有する信念の存在が、それぞれの vicarious learning メカニズムのパフォーマンスにどのように影響するのか？
• RQ3 なぜ vicarious learning における対称性は信念共有の有効性を低下させるが、観察学習の有効性を高めるのか？
• RQ4 学習者に初期の知識優位性がない場合でも、vicarious learning は依然として有益であるのか？
• RQ5 どのようなタスク環境下で、行動と結果の相互観察が信念共有を上回るのか？

主な発見

• 初期に知識優位性がない状況下でも、観察学習または信念共有による vicarious learning はパフォーマンスを向上させる。
• 代替が少なく、報酬差が大きく、時間的制約がない環境では、行動の多様性と反事後的学習の維持が優れているため、観察学習が信念共有を上回る。
• vicarious learning における対称性は、信念共有では行動の相関を高め、探索範囲を狭めるが、観察学習では相互フィードバックを強化することで効果を高める。
• 信念共有の相対的優位性は、優れた個人的洞察に起因するのではなく、自己確認バイアスに対するシステム的制約に起因する。
• 信念共有が観察学習を常に上回るわけではない。その有効性は、タスク環境の構造と時間的制約に強く依存する。
• 人間-AI協働の文脈では、AIの説明可能性（すなわち、信念共有）を高めるよりも、AIの行動と結果の観察性を高める方が、特にAIシステムが透過的でない場合に効果的である可能性がある。