Résumé technique : Prédiction précoce de la stratégie comportementale future à partir de traces de processus

Formulation du problème

Les systèmes adaptatifs (par exemple, les tuteurs intelligents, les moteurs de jeu, les collaborateurs humain-IA) sont souvent confrontés au défi de prendre des décisions spécifiques à une tâche concernant un utilisateur en se basant sur des preuves préalables limitées. Le problème central abordé est l'inférence comportementale inter-tâches précoce : prédire comment un individu organisera son comportement dans une tâche cible non observée en utilisant uniquement des traces de processus partielles issues de tâches sources antérieures.

Les approches existantes font face à deux limitations principales :

1. Résumés de résultats agrégés : Les méthodes traditionnelles reposent sur des métriques telles que les scores, les taux d'achèvement ou les temps de réaction. Bien que compacts et disponibles entre les tâches, ces résumés réduisent souvent des processus comportementaux distincts (par exemple, une planification systématique versus un changement fréquent) en des résultats similaires, échouant ainsi à capturer le comment du comportement.
2. Modélisation de processus à tâche unique : Bien que les modèles de séquences modernes (par exemple, les transformers) puissent modéliser les dépendances temporelles au sein d'une seule tâche, ils tendent souvent à enchevêtrer les tendances stables propres à la personne avec les configurations et les affordances spécifiques à la tâche. De plus, les tendances latentes d'une personne ne peuvent être partiellement exprimées que dans une seule tâche source.

L'article postule qu'une structure de niveau personne transférable existe, mais qu'elle nécessite la fusion des preuves de processus à travers plusieurs tâches sources pour être récupérée efficacement, surtout lorsqu'observer un comportement suffisant dans la tâche cible est impraticable.

Méthodologie : Modèle de variable latente de niveau processus (PLVM)

Les auteurs proposent le Process-Level Latent Variable Model (PLVM), un cadre conçu pour encoder les traces spécifiques à une tâche et les fusionner en une représentation latente partagée de niveau personne pour la prédiction inter-tâches.

Architecture

Le modèle se compose de trois composants distincts (illustrés dans la Figure 1 de l'article) :

1. Encodeurs de processus spécifiques à la tâche : Pour chaque tâche source $k$, un encodeur dédié $f_k$ (implémenté comme un transformer causal) traite la trace partielle $X^{(t)}_{i,k}$. Ces encodeurs sont entraînés indépendamment à l'aide d'un objectif d'auto-supervision de prédiction du prochain événement (prédire l'action suivante ou le changement de position) pour apprendre la dynamique comportementale intra-tâche. Une fois entraînés, ces encodeurs sont gelés.
2. Fuseur inter-tâches : Les plongements (embeddings) $h_{i,k}$ provenant des tâches sources sont concaténés et transmis à un réseau de fusion par couche d'alimentation (feed-forward) $g_\phi$. Ce module apprend à combiner les preuves de différentes tâches sources pour construire un état latent partagé de niveau personne, de dimension fixe, $z_i$.
3. Décodeur de comportement cible : Un décodeur $d_\psi$ mappe l'état latent fusionné $z_i$ vers des scores de prédiction $\theta_i$, qui sont utilisés pour classifier la stratégie comportementale dans la tâche cible tenue en réserve (par exemple, via un softmax pour la classification).

Protocole d'entraînement

Les encodeurs spécifiques à la tâche sont entraînés séparément. Le module de fusion et le décodeur sont ensuite entraînés conjointement sur l'objectif de prédiction inter-tâches en aval en utilisant une perte de cross-entropie. Crucialement, le modèle est évalué sous un protocole d'observation partielle : à n'importe quel instant de coupure $t$, les modèles ne reçoivent que le préfixe des traces des tâches sources. La trace de la tâche cible n'est jamais fournie comme entrée lors de l'inférence.

Évaluation expérimentale

Les auteurs évaluent le PLVM en utilisant deux approches complémentaires : un gameplay humain réel et des simulations contrôlées.

1. PowerWash Simulator (Données humaines réelles)

• Jeu de données : Télémétrie de 11 080 joueurs complétant des tâches de nettoyage spatial.
• Configuration : Les joueurs complètent "Back Garden" et "Bungalow" (tâches sources) avant une tâche cible tenue en réserve, "Fire Station".
• Variable cible : Style de navigation, opérationnalisé comme la tendance à persister localement dans des régions spatiales ("Zone Planners") versus changer fréquemment de région ("Zone Hoppers"). Les étiquettes sont dérivées des taux de changement de zone, des taux de retour et des distances de saut dans le niveau Fire Station.
• Baselines (Référentiels) :
  • Basé sur les résultats : Utilise des résumés agrégés (pourcentage de complétion, sous-tâches/min) des tâches sources.
  • Processus à tâche unique : Utilise les mêmes encodeurs de transformer mais traite une seule tâche source à la fois sans fusion.

2. Simulation contrôlée en monde de grille (Vérification de mécanisme)

• Configuration : Des agents synthétiques complètent deux tâches : une tâche de "Fourrage extérieur" (mettant l'accent sur la recherche de récompense opportuniste) et une tâche de "Nettoyage intérieur" (mettant l'accent sur la persistance dans une zone).
• Vérité terrain : Les agents ont des phénotypes latents connus (Type A vs Type B) déterminés par la configuration conjointe des moteurs de persistance et d'opportunisme.
• Raisonnement : Les tâches sont conçues pour fournir des preuves complémentaires. Le fourrage révèle la dimension d'opportunisme, tandis que le nettoyage révèle la dimension de persistance. Aucune des tâches seules ne permet d'identifier pleinement le phénotype.

Résultats clés

PowerWash Simulator

• Baselines de résultats : Les métriques agrégées (complétion, productivité) ont montré une faible séparation entre les futurs "Planners" et "Hoppers" (AUC $\approx$ 0,51–0,55), performant près du hasard.
• Modèles de processus à tâche unique : Les traces de processus individuelles des tâches ont amélioré la prédiction par rapport aux résultats, confirmant que les traces ordonnées contiennent un signal au-delà des résumés.
• Performance du PLVM : Le PLVM a systématiquement surpassé les deux baselines. À un seuil d'observation de 60 minutes, le PLVM a atteint une précision de 65,3 %, contre 62,9 % pour la meilleure baseline de tâche unique.
• Espace latent : La visualisation de la représentation latente fusionnée a montré un décalage visible entre les "Zone Planners" et les "Zone Hoppers", malgré un chevauchement important, indiquant que le modèle a appris une structure prédictive pertinente pour le futur style de navigation.

Simulations contrôlées

• Complémentarité : Le PLVM a montré les gains les plus significatifs lorsque les tâches sources étaient complémentaires. Dans la configuration complémentaire, le PLVM a atteint 86,6 % de précision, surpassant nettement le meilleur modèle à tâche unique (68,0 %).
• Redondance : Lorsque les tâches étaient redondantes (fournissant la même information), le PLVM n'a offert aucun avantage, car une seule tâche révélait déjà la structure.
• Validation du mécanisme : Les résultats confirment que la fusion inter-tâches est plus efficace lorsque les différentes tâches révèlent des aspects complémentaires d'un processus latent partagé.

Signification et affirmations

L'article affirme trois contributions principales :

1. Formulation du problème : Il cadre la prédiction précoce de la stratégie comportementale inter-tâches comme un problème distinct et pertinent pour les applications, allant au-delà de l'évaluation basée sur les résultats ou de la modélisation de séquence à tâche unique.
2. Innovation méthodologique : Il introduit le PLVM, un modèle de variable latente qui fusionne avec succès les plongements de traces spécifiques aux tâches en une représentation partagée de niveau personne, permettant la prédiction d'un comportement dans une tâche tenue en réserve.
3. Preuve empirique : À travers des données humaines réelles et des simulations contrôlées, les auteurs démontrent que la stratégie comportementale transférable n'est pas entièrement capturée par les résultats agrégés ou les traces de processus à tâche unique.

Les auteurs concluent que la modélisation de processus inter-tâches est particulièrement précieuse dans les "contextes intermédiaires" où :

• Les tâches partagent une structure comportementale transférable.
• Aucune tâche observée seule ne révèle pleinement le comportement cible.
• Les résultats agrégés sont insuffisants pour la différenciation.

Le travail suggère que pour les systèmes adaptatifs nécessitant une intervention précoce (avant que le comportement cible ne soit pleinement observé), la fusion de traces de processus partielles à travers plusieurs domaines offre un mécanisme robuste pour inférer des tendances stables propres à la personne. L'article reste modeste, notant que si le mécanisme est validé en simulation, les étiquettes du monde réel sont des mesures opérationnelles de changement spatial plutôt que des traits psychologiques validés de manière externe, et que l'approche peut apporter peu de bénéfices si les tâches sont sans rapport ou si les résultats sont déjà suffisants.