[1D5-OS-24c] Behavioral Data Science: 行動インサイトとAI・機械学習・最適化

[1D5-OS-24c-02] 進捗積み上げ型タスクにおけるβ-δ割引エージェントの挙動の解析と介入最適化

〇赤木 康紀¹、丸茂 直貴²、倉島 健¹ (1. 日本電信電話株式会社、2. 東京大学)

キーワード：現在バイアス、準双曲割引、介入最適化

人間は，直近のコストや利益を過大評価するバイアスである現在バイアスを持っている．現在バイアスが人間の行動に与える影響を理解し，個人の現在バイアスの強さに応じて適切な介入を行うことは，計算機科学及び行動経済学分野における重要なトピックとして研究が行われている．特に，Akagi et al.(AAAI'24) では積み上げ型タスクと呼ばれるタスクに着目することでエージェントの挙動を閉形式で書き下すことに成功し，それに基づいて最適な介入策を導出している．しかし，彼らの結果では現在バイアスを表す割引関数としてβ-δ割引(準双曲割引)の中でもδ=1という特殊な場合のみを扱うことができておらず，実際の人間の行動をモデル化するためには表現力が不足していた．本研究では，彼らの結果をδ≠1の場合にも拡張し，エージェントの挙動が閉形式で記述可能であることを示す．さらにその結果に基づいて最適な介入策の導出を行う．