[논문 리뷰] Modeling Human Inference of Others' Intentions in Complex Situations with Plan Predictability Bias

Ryo Nakahashi, Seiji Yamada|arXiv (Cornell University)|2018. 05. 16.

Child and Animal Learning Development참고 문헌 1인용 수 3

한 줄 요약

이 논문은 계획 예측 가능성에 초점을 맞춘 모델을 제안하여, '예측 가능한' 계획을 선호하는 편향을 간단한 계획 예측 가능성 우도로 수정한 베이지안 역계획 모델을 통해 복잡한 작업에서 인간의 의도 추론을 향상시킨다. 표준 역계획 우도에 계획 예측 가능성 편향을 도입함으로써, 인간 판단과의 상관관계가 유의미하게 향상되었으며(0.738 대 0.513), 작업 복잡도 증가 상황에서도 안정성을 유지한다.

ABSTRACT

A recent approach based on Bayesian inverse planning for the "theory of mind" has shown good performance in modeling human cognition. However, perfect inverse planning differs from human cognition during one kind of complex tasks due to human bounded rationality. One example is an environment in which there are many available plans for achieving a specific goal. We propose a "plan predictability oriented model" as a model of inferring other peoples' goals in complex environments. This model adds the bias that people prefer predictable plans. This bias is calculated with simple plan prediction. We tested this model with a behavioral experiment in which humans observed the partial path of goal-directed actions. Our model had a higher correlation with human inference. We also confirmed the robustness of our model with complex tasks and determined that it can be improved by taking account of individual differences in "bounded rationality".

연구 동기 및 목표

• 다양한 타당한 계획이 존재하는 복잡한 환경에서 의도 추론에 있어 베이지안 역계획 모델의 격차를 해소하기 위해.
• 의도 추론 과정에서 '예측 가능한' 계획을 선호하는 편향을 도입하여 인간의 제한된 합리성(보편적 합리성)을 모델링하기 위해.
• 복잡한 다중 계획 시나리오에서 인간 행동 추론을 더 잘 반영할 수 있도록 계산 모델의 정확도를 향상시키기 위해.
• 제한된 합리성의 개인적 차이가 의도 추론 성능에 미치는 영향을 조사하기 위해.
• 전체 역계획 대비 증가하는 작업 복잡도 상황에서 제안된 모델의 내구성을 입증하기 위해.

제안 방법

• 단순한 계획 예측 가능성 우도를 사용하여 계획 예측 가능성 편향을 도입한 베이지안 역계획을 수정하여 적용한다.
• 행동자의 행동 확률을 계획의 유틸리티와 노이즈 파rameter에 기반한 볼츠만 노이즈 있는 합리성(Boltzmann noisy rationality)으로 모델링한다.
• 관측된 부분적인 행동 시퀀스를 바탕으로 향후 계획의 가능성을 측정하기 위해 계획 예측 가능성의 우도를 계산한다.
• 표준 역계획 우도를 수정하여 목표의 사후 추론에 예측 가능성 편향을 통합한다.
• 개인별 제한된 합리성의 차이를 반영하기 위해 편향 강도를 온도 파rameter(β₃)로 校정한다.
• 참가자가 부분적인 행동 시퀀스에서 목표를 추론하는 제어된 '항목 제작' 시나리오에 모델을 적용한다.

실험 결과

연구 질문

• RQ1 계획 예측 가능성 편향의 포함이 복잡하고 다중 계획 환경에서 의도 추론 정확도를 어떻게 향상시키는가?
• RQ2 제안된 모델이 인간의 추론 패턴을 더 잘 반영하는가, 전체 베이지안 역계획 모델보다 성능이 뛰어나게 되는가?
• RQ3 작업 복잡도가 전체 역계획 모델과 계획 예측 가능성 중심 모델의 성능에 어떤 영향을 미치는가?
• RQ4 개인별 제한된 합리성의 차이가 의도 추론에 얼마나 큰 영향을 미치며, 개인 맞춤형 편향을 통해 모델을 향상시킬 수 있는가?
• RQ5 증가하는 작업 복잡도 상황에서 계획 예측 가능성 편향 모델이 내구성을 유지할 수 있는가?

주요 결과

• 계획 예측 가능성 중심 모델은 인간 추론 데이터와의 평균 피어슨 상관계수(0.738)가 전체 역계획 모델(0.513)보다 높게 나타났다.
• 전체 역계획 모델은 작업 복잡도 증가에 따라 정확도가著 심하게 떨어지는 반면, 계획 예측 가능성 중심 모델은 일관된 성능을 유지했다.
• 개인 맞춤형 편향 파rameter(β₃)를 사용한 모델은 단일 공유 β₃를 사용한 모델(0.638)보다 더 높은 상관계수(0.738)를 기록하여, 제한된 합리성의 개인 맞춤화가 중요함을 시사한다.
• 참가자의 다수는 강한 예측 가능성 편향을 보였고, 일부는 최소 또는 전혀 편향이 없었으며, 이는 제한된 합리성의 개인적 차이를 확인한다.
• 계획 예측 가능성 편향은 전체 역계획이 실패하는 모호한 상황—예를 들어 그림 1(b)에서 주황색 문을 선호하는 것—에서 인간의 직관을 효과적으로 반영했다.
• 간단한 계획 예측과 베이지안 추론에 기반한 모델은 계획의 계층적 프레임워크로의 확장성과 확장 가능성을 보장한다.