La personnalisation dans les équipes homme-IA : Améliorer le compromis entre compatibilité et précision

Résumé

Les systèmes d'IA qui modélisent les utilisateurs et interagissent avec eux peuvent mettre à jour leurs modèles au fil du temps pour refléter les nouvelles informations et les modifications de l'environnement. Bien que ces mises à jour puissent améliorer la performance globale du système d'IA, elles peuvent en fait nuire à la performance en ce qui concerne les utilisateurs individuels. Des travaux antérieurs ont étudié le compromis entre l'amélioration de la précision du système après une mise à jour et la compatibilité du système mis à jour avec l'expérience antérieure de l'utilisateur. Plus le modèle est forcé d'être compatible avec une version antérieure, plus il subit une perte de précision importante. Dans cet article, nous montrons qu'en personnalisant la fonction de perte pour des utilisateurs spécifiques, il est possible dans certains cas d'améliorer le compromis compatibilité/précision par rapport à ces utilisateurs (augmenter la compatibilité du modèle tout en sacrifiant moins de précision). Nous présentons des résultats expérimentaux indiquant que cette approche apporte des améliorations modérées en moyenne (environ 20%) mais des améliorations importantes pour certains utilisateurs (jusqu'à 300%).