Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces
本論文は、LLMによる反事実的推論と仮説的推論を用いて、ブラウジングの相互作用からユーザーの信念を再構成し、構造化されたペルソナを生成する「逆心的理論（Inverse Theory of Mind: IToM）」パイプラインを提案し、ユーザーの特性予測における優れた精度を実証するとともに、VisionOSのようなアプリケーションにおける動的かつモダリティに依存しないコンテンツ推奨を可能にするものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
友人が夕食に何を欲しがっているのかを推測しようとしている場面を想像してみてください。もし、その人がピザの広告を一度クリックしたのを見ただけで、「あ、この人はピザが大好きなんだな！」と思うかもしれません。でも、もしその人が単に価格を比較していただけだとしたらどうでしょう？あるいは、誰かへのプレゼントを探していただけだとしたら？コンピュータの世界では、これが従来の「レコメンデーション・システム（推奨システム）」を構築する際における大きな問題となっています。これらは映画や音楽、製品を提案してくれる賢いアルゴリズムです。従来、これらはボタンを何回クリックしたかを数えるだけの統計学者のように振る舞います。彼らは「クリックした」という行動は見えますが、その背後にある「理由（なぜ）」までは理解していません。ユーザーが大好きだからクリックしたのか、退屈しのぎにクリックしたのか、あるいは混乱してクリックしたのかを知らないのです。
これを解決するために、科学者たちは心理学の概念である「心の理論（Theory of Mind）」に着目してきました。これは、他人の頭の中で何が起きているのか――その人の信念、目標、秘密――を想像する能力のことです。通常、コンピュータは、ユーザーが何を求めているかを推測することで、次に「何をすることになるか」を予測しようとします。しかし、この論文はその脚本を書き換えます。もし、逆方向に考えることができたらどうでしょう？未来を予測する代わりに、過去のクリックを遡り、一種の「逆転の探偵術」を用いて、その人が実際にはどのような人物であるかを解き明かすことができたら？これが核心となるアイデアです。日常的なデジタル上の足跡を使い、アンケートを一切求めることなく、その人の性格に関する豊かで理解しやすい物語を構築するのです。
JPMorgan Chaseの研究チームによるこの研究は、「インバース・セオリー・オブ・マインド（IToM：逆転の心の理論）」と呼ばれる新しい手法を提案しています。これは、デジタル上の探偵エージェンシーのようなものです。システムは、単にあなたがランニングシューズをクリックしたという事実を記録するだけでなく、「よし、そのクリックをした時、画面には何が表示されていた？他にどんな靴があった？なぜ他の靴ではなく、これを選んだのか？」と問いかけます。意思決定の瞬間を再構成することで、システムは強力なAI（大規模言語モデル）を用いて、後ろ向きに推論を行います。そして、「この人はスタイルよりも耐久性を重視している」とか、「この人は購入前にレビューをよく読む、慎重なリサーチャーである」といった、あなたの行動を説明する「信念」のリストを生成します。
ここからが魔法の始まりです。システムは単に一つの推測を選ぶだけではありません。人間の行動は複雑であることを知っているからです。あなたは走ることが大好きだからその靴を買ったのかもしれませんし、あるいはセール中だったので、ギフトとして買ったのかもしれません。この不確実性を扱うために、AIはあなたのパーソナリティ・プロファイルについて、複数の異なるバージョンを作成します。まるで、それぞれ異なる説を唱える探偵チームのように。そして、それらの理論を注意深く統合して検討します。証拠が強ければ特定の理論に傾き、証拠が弱ければ、多くの人々に共通して当てはまる一般的な事柄へと安全策をとります。これにより、AIが極端でステレオタイプな推測（例えば、慎重な買い物客はすべて不安を感じやすい内向的な人だと決めつけるなど）をしてしまうことを防いでいます。
チームは、実際のAmazonでのショッピングセッションを用いた特別なデータセットを使用してこのアイデアをテストしました。これには、単なるクリックだけでなく、人々が見た実際のページ、そして決定的なことに、ショッパーたちが実際に受けたインタビューや性格テストも含まれていました。その結果、彼らの「逆転の探偵」によるペルソナは驚くほど優秀であることが分かりました。実際、あるテストでは、AIによるユーザーの性格の推測は、ユーザー自身が受けた実際の性格テストと同等、あるいはそれ以上の精度を示しました。彼らは、これらのAI生成プロファイルが、ユーザーの次の行動、好む製品の種類、さらにはショッピング習慣に関する質問への回答までも予測できることを示しました。
おそらく最もエキサイティングな部分は、これらのプロファイルがコンピュータの中に隠された単なる数字ではないということです。それらは平易な人間の言葉で書かれています。つまり、コンピュータは2Dのウェブ閲覧から構築されたプロファイルを用いて、Apple Vision Proのような未来的なヘッドセットのための3Dインターフェースを設計できるのです。例えば、AIがあなたを「予算重視の計画家」だと判断した場合、派手な投資案件を隠しつつ、貯蓄目標を前面に出すように3Dバンキングアプリを自動的に配置することができます。この論文は、このアプローチが単純なクリック追跡と深い人間理解の間の溝を埋め、私たちが「何をクリックするか」ではなく「私たちが誰であるか」に適応する、よりスマートで共感的なインターフェースを構築する方法を提示していると示唆しています。ただし、著者らは、結果は有望であるものの、システムには依然として限界があることにも注意を促しています。このシステムは大量のデータがある場合に最も効果を発揮し、極端な性格特性を完璧に予測することには時として苦戦するため、「逆転の探偵」は仕事に慣れてきたとはいえ、まだ学ぶべき余地があることを示唆しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。