【CMU博士论文】以人为中心的机器学习:统计和算法视角

从人本主义的角度建立人工智能系统的迫切性日益增加，因为从个性化推荐系统到语言和图像生成模型的大规模机器学习系统每天都在与人互动。在这篇论文中，我们提出了一条从人本主义的角度建立这些系统的指导方针。我们的指南包含三个步骤：（i）识别学习任务中所关注的人的角色和他们的核心特性；（ii）以一种有用且可靠的方式对这些特性进行建模；和（iii）以原则性的方式将这些模型纳入学习算法的设计中。我们将这一指南应用于两个应用：个性化推荐系统和决策支持系统。对于推荐系统，我们按照指南（i）关注用户不断变化的偏好，（ii）将它们模型化为动态系统，和（iii）开发具有可证明保证的高效在线学习算法，与具有不同偏好动态的用户互动。对于决策支持系统，我们（i）选择决策者的风险偏好作为关注的核心特性，（ii）将它们模型化到系统的目标函数中，和（iii）为在多样风险偏好下学习模型提供具有统计保证的一般程序。我们最后讨论了以人为中心的机器学习的未来，以及这一领域中跨学科研究的角色。