James R. Wright s'intéresse principalement à l'utilisation de modèles d'apprentissage automatique axés sur les données pour prédire le comportement stratégique humain.

Prédire le comportement stratégique humain

James Wright s'intéresse principalement à l'utilisation de modèles d'apprentissage automatique axés sur les données pour prédire le comportement stratégique humain, c'est-à-dire le comportement dans les interactions où les récompenses de chaque participant dépendent partiellement des actions des autres participants. Il mène ses recherches à l'intersection de l'économie, de l'apprentissage automatique et de la modélisation comportementale. Il a donné des conférences invitées sur les systèmes multi-agents et sur la prédiction et la modélisation algorithmique du comportement humain. Ses recherches publiées portent sur la formalisation de la frontière entre le raisonnement stratégique et non stratégique. Le programme de recherche à long terme de James consiste à élaborer une théorie générale pour la conception optimale d'algorithmes de médiation d'interactions impliquant des humains ou d'autres agents aux limites réalistes plutôt que des agents idéalisés et parfaitement rationnels de la théorie des jeux.

James est membre et titulaire de la chaire d'IA du CIFAR à Amii et professeur adjoint au département d'informatique de l'université d'Alberta. Auparavant, il a travaillé comme chercheur postdoctoral chez Microsoft Research. Ses articles ont été publiés dans des conférences et des revues de premier plan, notamment le Journal of Artificial Intelligence Research (JAIR), Games and Economic Behaviour, l'International Conference on Autonomous Agents and Multiagent Systems (AAMAS), l'ACM Conference on Economics and Computation et l'AAAI Conference on Artificial Intelligence.