24.01.2025, 09:30 Uhr
Universität Wien
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien
Titel: Evaluation of mental models of reinforcement learning algorithms using reinforcement learning agents in Starcraft II
Kurzfassung:
In dieser Arbeit werden die Auswirkungen eines bestimmten Rahmens für erklärbares
Verstärkungslernen (Explainable Reinforcement Learning, XRL) auf die mentalen Modelle von Personen
untersucht und die Wirksamkeit verschiedener visueller Darstellungsformen zur Verbesserung des
Verständnisses erforscht. Zusätzlich werden demografische Faktoren analysiert, um Teilgruppen von
Teilnehmern mit günstigeren Ergebnissen zu identifizieren. Die Studie zielt darauf ab, die
Mechanismen, Grundprinzipien und Vorhersagen im Zusammenhang mit dem XRL-Framework zu verstehen.
Es wurde ein maßgeschneiderter Studienrahmen entwickelt, um demografische Informa- tionen zu
sammeln, visuelle Darstellungen zu präsentieren und die mentalen Modelle der Teilnehmer zu
bewerten. Die Teilnehmer bearbeiten Aufgaben zur Analyse historischer Daten, zur Interpretation des
KI-Verhaltens und zur Vorhersage zukünftiger Aktionen. Die Daten werden aus Matches zwischen einem
Reinforcement Learning (RL) Agenten und einem Random Bot in der Starcraft 2 Spielumgebung
gesammelt.
Die Forschungsfragen betreffen die Effektivität des XRL-Frameworks bei der Verbesser- ung mentaler
Modelle (RQ1) und den Einfluss verschiedener Repräsentationsformate auf die Entwicklung mentaler
Modelle (RQ2).
Die Ergebnisse werden Einblicke in die Entwicklung mentaler Modelle und die Effekt- ivität von
XRL-Frameworks geben und so zum Verständnis von KI-Erklärbarkeit und Mensch-KI-Interaktion
beitragen.
Schlüsselwörter: Explainable Reinforcement Learning, mentale Modelle, visuelle Re- präsentationen,
demographische Faktoren, KI-Erklärbarkeit, Mensch-KI-Interaktion.