AI Lab, hai bài báo đồng tác giả được chấp nhận tại AAAI 2024, hội nghị hàng đầu kèo bóng đá đức lĩnh vực trí tuệ nhân tạo

--Phân tích ảnh hưởng của tính bất đối xứng của trí nhớ đối với việc học trò chơi có tổng bằng 0/Đề xuất thuật toán lựa chọn đầu vào trường mẫu giáo--

AI｜22 tháng 1 năm 2024

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán 4751) là công ty nghiên cứu thuộc sở hữu của Yumasa Fujimoto, nhà nghiên cứu thuộc AI Lab, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo※1, Kaito Ario, Kenyuki Abe và Choko Son※2, hai bài viết đồng tác giả của Naoyuki Yamada, Yoshihiro Takenami, Daisuke Moriwaki, Giáo sư Makoto Yokoo của Đại học Kyushu và những người khác sẽ được trình bày tại hội nghị quốc tế về lĩnh vực trí tuệ nhân tạo "AAAI 2024"※3

``AAAI'' là hội nghị quốc tế được tổ chức hàng năm quy tụ các nhà nghiên cứu kèo bóng đá đức nhiều lĩnh vực trí tuệ nhân tạo từ khắp nơi trên thế giới※4, đây là một kèo bóng đá đức những hội nghị quốc tế uy tín kèo bóng đá đức lĩnh vực trí tuệ nhân tạo kèo bóng đá đức 5 năm qua, các bài báo của các nhà nghiên cứu từ Phòng thí nghiệm AI đã được chấp nhận tại ``AAAI'' tại các phiên họp và hội thảo toàn thể, và đây là năm thứ sáu liên tiếp※5sẽ được chọn Các bài viết được chấp nhận sẽ được trình bày tại "AAAI 2024" được tổ chức tại Vancouver, Canada vào tháng 2 năm 2024

Nghiên cứu này là kết quả của ``Hệ thống nhà nghiên cứu hợp tác'', kèo bóng đá đức đó ``Phòng thí nghiệm AI'' đặt ra mục tiêu và tiến hành nghiên cứu cùng với các nhà nghiên cứu trẻ có dự án riêng

※1 liên kết với Đại học Nghiên cứu Cao học, hiện đang làm việc tại “Phòng thí nghiệm AI” với tư cách là nhà nghiên cứu cộng tác
※2 Liên kết với Đại học Kyushu,Đồng thời là nhà nghiên cứu tại “AI Lab”

■Giới thiệu về hai bài viết của tác giả chính được chấp nhận

"Phòng thí nghiệm AI" nghiên cứu và phát triển nhiều công nghệ AI liên quan đến tiếp thị nói chung, đồng thời đang giải quyết nhiều vấn đề kỹ thuật khác nhau, đồng thời tăng cường hợp tác giữa ngành-học viện với các trường đại học và tổ chức học thuật
Đặc biệt, nhóm nghiên cứu của chúng tôi kèo bóng đá đức lĩnh vực kinh tế học tiến hành nghiên cứu lý thuyết nâng cao và nghiên cứu ứng dụng bằng cách sử dụng dữ liệu bên kèo bóng đá đức và bên ngoài kèo bóng đá đức nhiều lĩnh vực kinh tế học như suy luận nhân quả, thiết kế cơ chế, lý thuyết trò chơi và kinh tế học hành vi, đồng thời cũng tập trung vào việc triển khai xã hội và đóng góp học thuật thông qua cộng tác với giới học viện và chính phủ

Tác giả: Yumasa Fujimoto (Trường đại học nghiên cứu nâng cao), Kaito Ariu (Phòng thí nghiệm AI của CyberAgent), Kenyuki Abe (Phòng thí nghiệm AI của CyberAgent)

■Bối cảnh nghiên cứu
kèo bóng đá đức những năm gần đây, việc tự động hóa việc ra quyết định bằng cách sử dụng máy học đã đóng một vai trò quan trọng kèo bóng đá đức nhiều dịch vụ web khác nhau, bao gồm cả việc phân phối quảng cáo trên Internet

Ví dụ: kèo bóng đá đức đấu giá quảng cáo trên Internet, có những trường hợp tồn tại nhiều mô hình ra quyết định, không chỉ mô hình của riêng bạn mà còn mô hình của các công ty khác xác định số tiền giá thầu một cách độc lập Vấn đề học nhiều mô hình như thế này được gọi là "học kèo bóng đá đức môi trường đa tác nhân" Một kèo bóng đá đức những mục đích của việc học kèo bóng đá đức môi trường đa tác nhân là tìm ra trạng thái kèo bóng đá đức đó tất cả các mô hình đưa ra quyết định tối ưu, nhưng việc học trạng thái mong muốn này thường được biết là khó khăn

Chúng tôi sẽ giải quyết vấn đề này bằng “AAMAS 2021」・「UAI 2022」・「AISTATS 2023」・「IJCAI 2023

■Tóm tắt bài viết
kèo bóng đá đức bài viết này, chúng tôi đã giới thiệu "bộ nhớ" kèo bóng đá đức đó những người ra quyết định ghi nhớ các hành động kèo bóng đá đức quá khứ khi quyết định hành động tiếp theo của họ và xử lý việc học hỏi giữa những người ra quyết định có độ dài bộ nhớ không đối xứng [Hình] Trí nhớ cho phép đối tượng đưa ra những quyết định phức tạp và linh hoạt hơn kèo bóng đá đức nghiên cứu này, chúng tôi đã phân tích sự khác biệt về khả năng ra quyết định giữa các đối tượng do sự bất cân xứng về trí nhớ ảnh hưởng như thế nào đến việc học tập giữa hai bên

Kết quả là, chúng tôi đã quan sát thấy một hiện tượng kèo bóng đá đức đó người ra quyết định có trí nhớ dài cố gắng lợi dụng bên kia và người ra quyết định có trí nhớ ngắn học cách thoát khỏi sự lợi dụng đó, dẫn đến trạng thái không bên nào có thể cải thiện kết quả của họ thêm nữa, tức là trạng thái cân bằng Nash Hơn nữa, cả lý thuyết và thí nghiệm đều tiết lộ rằng hiện tượng này xảy ra đặc biệt rộng rãi kèo bóng đá đức các trò chơi có tổng bằng 0 khi lợi ích của cả hai bên xung đột với nhau

Nghiên cứu này làỨng dụng như một cơ chế để đạt được trạng thái cân bằng Nash một cách hiệu quả kèo bóng đá đức môi trường đa tác nhânDự kiến việc này sẽ được thực hiện Ngoài ra,Cung cấp một góc nhìn mới để đạt được sự hội tụ về trạng thái cân bằng Nash bằng cách khai thác sự khác biệt về khả năng giữa những người ra quyết địnhLà tôi

Tác giả: Sun Zhaohong (Đại học Kyushu, Phòng thí nghiệm AI CyberAgent), Yamada Naoyuki (Phòng thí nghiệm AI CyberAgent), Takenami Yoshihiro (Phòng thí nghiệm AI CyberAgent), Moriwaki Daisuke (Phòng thí nghiệm AI CyberAgent), Yokoo Makoto (Đại học Kyushu)

■Bối cảnh nghiên cứu
Việc lựa chọn đầu vào trường mẫu giáo có thể được coi là một bài toán so sánh hai phần giữa một số lượng lớn trẻ em kèo bóng đá đức độ tuổi từ 0 đến 5 và một số lượng lớn các trung tâm giữ trẻ nhận chúng Tuy nhiên, có những cơ chế phức tạp như phân bổ dựa trên nguyện vọng của anh chị em nộp đơn cùng lúc, sự có mặt của học sinh muốn chuyển trường, chia chỉ tiêu giữa các nhóm tuổi khác nhau nên không thể áp dụng thuật toán lý thuyết so khớp tổng quát trực tiếp vào thực tiễn

AI Lab đang nghiên cứu nhiều vấn đề về so khớp, bao gồm cả việc phát triển hệ thống khuyến nghị lẫn nhau và thuật toán điều chỉnh việc sử dụng trung tâm chăm sóc trẻ em năm ngoáiBài trình bày tại AAAI2023đề xuất sử dụng phương pháp lập trình số nguyên để chuyển trường và kết hợp anh chị em với các trung tâm giữ trẻ tùy ý, nhưng vẫn còn những vấn đề như giới hạn số lượng anh chị em có thể đăng ký cùng lúc là ba và khả năng chia sẻ năng lực giữa các nhóm tuổi khác nhau

■Tóm tắt bài viết
kèo bóng đá đức bài báo này, chúng tôi thường mở rộng bài báo năm ngoái và sử dụng Lập trình ràng buộc (CP) để đề xuất một thuật toán thỏa mãn các đặc tính sau cần thiết kèo bóng đá đức thực tiễn tuyển sinh trường mẫu giáo

・Không giới hạn số lượng anh chị em đăng ký cùng lúc và có thể được chỉ định theo bất kỳ cách kết hợp nào
・Thích hợp cho các trung tâm giữ trẻ chia sẻ sức chứa cho những người ở các độ tuổi khác nhau
・Phân công những người muốn chuyển đến trường mẫu giáo mà họ đã chuyển đến hoặc trường mẫu giáo mà họ lựa chọn (suy lý cá nhân)
・Ưu tiên những người có chỉ số và mức độ ưu tiên cao, tránh tạo ra tình trạng vẫn còn chỗ trống dù đã có người nộp đơn (ổn định)

Lý do sử dụng CP là để giải quyết nhanh các bài toán phức tạp đòi hỏi nhiều phép tính, chẳng hạn như bài toán so khớp hai phần giữa trẻ em và nhà trẻ

Kết quả so sánh thuật toán đề xuất kèo bóng đá đức bài viết này với phân bổ thực tế của chính quyền địa phương cho thấy thuật toán đề xuất có số lượng trùng khớp tương đương với phân bổ thực tế và đáp ứng tính hợp lý và ổn định riêng lẻ

Hơn nữa, bằng cách nới lỏng một số hạn chế, có thể tăng thêm số lượng trận đấu đến các trung tâm chăm sóc trẻ em và nếu điều này được thực hiện, nó có thể góp phần giải quyết vấn đề về danh sách chờ chăm sóc trẻ

■Tương lai

Các phương pháp được đề xuất kèo bóng đá đức hai bài viết này sẽ được sử dụng làm công nghệ cơ bản để tự động tạo ra các tài liệu sáng tạo quảng cáo, hệ thống khuyến nghị và quảng bá DX của chính phủ
Cũngđã được triển khai như một hệ thống có thể cung cấp cho chính quyền địa phương, vv và có thể được sử dụng cho các vấn đề kết hợp khác nhau như trường mẫu giáo, trẻ em sau giờ học và hệ thống lựa chọn trường học
"Phòng thí nghiệm AI" sẽ tiếp tục kết hợp công nghệ AI vào các sản phẩm để giải quyết các vấn đề kinh doanh và xã hội, đồng thời sẽ tiếp tục nỗ lực nghiên cứu và phát triển để đóng góp vào sự phát triển công nghệ và học thuật

※3　
※4 Hệ thống xử lý thông tin thần kinh “NeurIPS”, Hội nghị quốc tế “ICML” về học máy, Hội nghị quốc tế “KDD” về khám phá kiến thức và khai thác dữ liệu
※5　Narita và cộng sự “” (AAAI 2019), Garcia và cộng sự “” (AAAI 2020), Nomura và cộng sự “” (AAAI 2021), Shimano và cộng sự “” (Hội thảo AAAI 2022 về Học tăng cường kèo bóng đá đức trò chơi), Sun và cộng sự””(AAAI 2023), Aziz và cộng sự”” (AAAI 2023)[Phát hành]