您查看的活动已结束

第七期Randall Berry教授：欺骗和误导下的观察学习

​ 

【引言】

在许多在线平台上，用户可以观察其他用户行为来学习，并结合可能拥有的私人信息做出决策。一方面，这种观察学习可能会导致用户选择“随大流”，进而可能损害社会总效益。另一方面，用户可能会观察到不可靠的结果，比如部分用户撒谎或者观察结果不准确。有趣的是，近期研究发现，在某些情况下基于不可靠观测的观察学习反而可以减少“随大流”现象的发生。这类反直觉现象背后的本质原因是什么呢？其对于在线平台的设计与优化又将带来怎样的洞见呢？

第七期 IEEE TNSE 杰出讲座系列活动，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。

执行主席

Executive Chair

黄建伟

香港中文大学（深圳）校长讲座教授、协理副校长

AIRS 副院长兼群体智能中心主任

IEEE TNSE主编

IEEE Fellow

AAIA Fellow

报告嘉宾

Speaker

Randall Berry

西北大学电气与计算机工程系主任、John A. Dever教授

2003年美国国家科学基金会事业奖获得者

Roberson and Associates公司首席工程师

IEEE Fellow

Randall Berry教授于2000年加入西北大学，现任职电气与计算机工程系主任，也是该系的John A. Dever教授。他曾在麻省理工学院林肯实验室高级网络组担任技术人员，目前是Roberson and Associates公司的首席工程师。他在2003年获得了美国国家科学基金会事业奖（CAREER award from the National Science Foundation），还于2014年获评IEEE Fellow。他是2015、2017年IEEE Workshop on Smart Data Pricing和2016年WiOPT的最佳论文奖获得者。Randall Berry教授曾担任TWC和TOIT的编辑，目前是JCN的分区编辑以及OJ-COMS的领域编辑。他的研究兴趣涵盖无线通信、计算机网络、网络经济学和信息论。

报告介绍

Topic & Abstract

Title:

Observational Learning with Unreliable observations

Abstract:

Many online platforms enable agents to learn from observing other’s actions. Such observational learning can be modeled via a Bayesian game in which agents sequentially choose an action to take. Agents base their decision on whatever private information they may have as well as the observed actions of the other agents. Such models can lead to herding behavior or information cascades in which agents eventually “follow the crowd”. In this talk, we will discuss a line of work that considers the impact of different ways in which an agent’s observations may be corrupted including having some fraction of the agent’s lie about their action or having some fraction of the observations corrupted by noise. Interestingly, these models often show a non-monotonic behavior in the “level" of corruption, so that in some cases poorer observations may lead to better performance. We also discuss the relationship to the classic Blackwell ordering of information structures for single agent decision problems.

活动时间

2023年3月31日 （周五）9:00-10:00

IEEE TNSE 杰出讲座系列

IEEE TNSE Distinguished Seminar Series

IEEE Transactions on Network Science and Engineering（简称 IEEE TNSE）是位于 JCR 1 区的网络科学领域顶级期刊，致力于探讨网络科学的理论和应用，以及构成网络系统中各元素之间的相互联系。IEEE TNSE 被 SCIE 数据库收录，位于 JCR 1 区，2021年影响因子为5.033。

IEEE TNSE 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。

*特别鸣谢叶文涛提供相关内容