人类行为建模-认知方法和不确定性一

背景

目前我们模仿人类开发的很多人工智能来进行工作
我们主要关注建模系统与人类的交互，既模型输出怎么让人类理解和使用。
关注以人为中心的人工智能或者是混合智能

五大依赖关系

目前人类和AI已经在很多领域形成相互依赖关系。

1.以缺陷为导向：人工智能用于增强人的注意力，弥补注意力、注意力或身心耐力的不足。
2.面向数据可靠性：提供人工智能作为一种工具，用于改进数据的使用和理解。（例如医疗诊断）
3.以保护为导向：使用人工智能执行对人类来说太危险的任务，或作为辅助来提高安全性。 
4.以潜力为导向：与联合情报有关，以提高双方作为一个团队的表现和推理能力。 
5.政治导向：与控制、劳动力等如何在人与技术之间分配有关的概念，尤其是与员工保护有关的概念

人工智能技术-学习

1.强化学习

基于环境而行动，以取得最大化的预期利益

2.反向强化学习

给定最优策略或最优行为轨迹，寻找可解释这些策略或行为的奖赏函数

3.模仿学习

模仿学习的目的是从人类专家的演示或人工创造的代理中提取知识，以复制他们的行为

4.主动学习

通过机器学习的方法获取到那些比较“难”分类的样本数据，让人工再次确认和审核，然后将人工标注得到的数据再次使用有监督学习模型或者半监督学习模型进行训练，逐步提升模型的效果，将人工经验融入机器学习的模型中。

主动学习的好奇心，优先好奇心大的数据输入进模型。

5.心智理论

定义：就是能够理解他人跟自己所看到的角度是不一样的，甚至可以根据不同的立场揣测他人下一步的行为
日常活动中，人类依赖并利用自己的能力来估计他人的心理状态。
通过模型完成多模态输入完成预测。

6. Simulating Human Knowledge of World for Learners

翻译：为学习者模拟人类对世界的认识
人类学习某一知识以后可以映射到其他领域，比如理解重力以后，会向杯子内倒水。
人工智能模型现在学习单一特征，还是解决单一场景的具体问题。
希望人工智能也能内化这些知识。
这允许在模拟环境中训练行为，然后过渡到真实世界。代理可以学习基于模拟器的近似解，然后学习将模拟映射到真实世界的转换

第一篇结论

预测 "相关用户的行为。这是以人为本的人工智能系统自主和适应行为的基石
学习和信仰