活动回顾 | Randall Berry教授：基于不可靠观测的观察学习

北京时间2023年3月31日，第七期AIRS-TNSE联合杰出讲座系列活动在线上成功举办。此次，我们有幸邀请到美国西北大学的Randall Berry教授介绍基于不可靠观测的观察学习，并分享他在这个领域内的相关研究成果与有趣发现。

本次讲座由 AIRS 副院长兼群体智能中心主任、香港中文大学（深圳）协理副校长、校长讲座教授、IEEE TNSE主编黄建伟教授担任执行主席和主持人。

在许多在线平台上，拥有私人信息的用户可以通过观察其他用户的行为来学习并做出决策。最初的观察学习模型考虑用户可以完美无差地观察到之前用户的行为，该模型会导致信息级联现象（Information cascades），即用户最终选择“随大流”。考虑到现实中的用户可能会说谎或存在非理性行为，Randall Berry教授及其合作者提出了基于不可靠观测的观察学习模型，并分析不可靠的观测会如何影响用户最终的行为。

Randall Berry教授分享了两种误差场景下的结果。在对称误差下，“随大流”行为会在有限时间内发生，并一直延续下去；此外，社会福利的最小值与仅拥有私人信息的情况相等。在非对称误差下，虚假用户的存在可能会损害社会福利。然而有趣的是，在特定条件下，虚假用户的存在可以提高社会福利，这是因为虚假用户可能会为后续用户提供更多信息，从而避免“随大流”。

Randall Berry教授的精彩分享发人深思，在参与者与两位教授的积极讨论中，涌现了许多有趣的研究方向。例如，如果平台不知道虚假用户出现的概率以及用户私人信息的准确性，是否可以反过来通过观察用户的行为来优化平台设计？用户是否可以通过对不同时期的观察赋权（比如对重视近期的用户行为而忽略早期的行为）来提高自己的收益？以及是否可以激励用户发布自己的私人信息来提升社会福利等。

视频回顾

Recording

AIRS-TNSE 联合杰出讲座系列

AIRS-TNSE Joint Distinguished Seminar Series

AIRS-TNSE 联合杰出讲座系列由 IEEE TNSE 期刊和深圳市人工智能与机器人研究院（AIRS）联合主办，香港中文大学（深圳）、网络通信与经济学实验室（NCEL）、IEEE 联合支持。该系列活动旨在汇聚网络科学与工程领域的国际顶级专家学者分享前沿科技成果。

*特别鸣谢陈可馨对本文的贡献

相关阅读

IEEE TNSE 杰出讲座系列第六期回顾

IEEE TNSE 杰出讲座系列第五期回顾

IEEE TNSE 杰出讲座系列第四期回顾