Towards welfare-oriented recommendations in activity-travel behavior

日々、人々はどこへ行き、何をするかという無数の選択を行っています。夕食にどのレストランを選ぶかから、どの公園を訪れるかを決めることに至るまで、これらの決定が真空状態で下されることはめったにありません。ますます、デジタルアシスタントやレコメンデーションシステムによって、他の人が何を好んだか、あるいは現在何が人気かに基づいて選択肢が提案されるようになっています。これらのツールは生活をより便利にするように設計されていますが、ある根本的な仮定に基づいています。それは、「もしある選択肢が人気であったり高評価であったりすれば、それは個々のユーザーにとって良い選択である」というものです。しかし、この仮定は、日常生活における極めて重要な、隠れた要因を見落としがちです。それは「そこへ到達するためのコスト」です。旅行や活動の計画の世界において、交通渋滞で費やされる時間、燃料に費やされるお金、そして目的地に到達するために必要な労力は、たとえ体験が期待外れであったとしても返金できない実質的な費用なのです。街の反対側にある高評価のレストランは、画面上では素晴らしいアイデアに見えるかもしれません。しかし、もしその道のりが激しい交通渋滞の中で1時間を要し、食事が平均的なものに過ぎなかったとしたら、ユーザーは得たものよりも多くのものを失ったことになります。アルゴリズムが推奨するものと、実際に人が恩恵を受けるものとの間のこの乖離こそが、現在研究者たちが解こうとしている中心的なパズルです。

ある研究チームは、これらのデジタルな提案に対する新しい考え方を開発し、単純な人気から「ユーザーのウェルフェア（幸福・福利）」と呼ばれる概念へと焦点を移しました。彼らのアプローチは、「どの選択肢が最もクリックされているか、あるいは最もレビューされているか」を問うのではなく、より個人的な問いを投げかけます。「この提案に従うことは、ユーザーが自分自身で何かを選んだ場合よりも、実際に状況をより良くするか？」という問いです。これを探求するために、研究者たちは複雑なコンピュータ・シレーション、つまり250人のデジタル旅行者によって構成された仮想都市を構築しました。これらの旅行者は単純なロボットではありませんでした。彼らには異なる性格、異なる忍耐強さ、異なる金額の保有量、そして独自の意思決定方法が与えられました。ある者は衝動的であり、ある者は慎重であり、またある者は古い習慣に固執する傾向がありました。このシミュレーションにより、デジタルな人々が60日間にわたって異なるタイプのレコメンデーションシステムと相互作用することが可能となり、交通渋滞、変化する嗜好、そして悪い選択の結果を観察し、測定できる現実的な環境が作り出されました。

研究者たちは、この仮想都市で5つの主要なアプローチをテストしました。第一は、アルゴリズムによる介入なしに、エージェントが自身の好みに基づいてレジャーのセグメントと場所を完全に選択するというベースライン条件です。第二は、現在のシステムと同様のもので、個人の具体的なコストを気にすることなく、人気や一般的な関連性に基づいて場所をランク付けする標準的なシステムです。第三と第四のアプローチは、新しいウェルフェア志向のシステムです。そのうちの一つは、「ポジティブ・ユーティリティ（正の効用）」フィルターを使用しており、これは安全装置として機能しました。場所を提案する前に、システムは「その活動による楽しみが移動コストを上回る可能性」を計算しました。もし計算の結果、その旅が純損失になる可能性があると示唆された場合、システムは単に沈黙を守り、ユーザー自身に選択をさせました。もう一つの新しいアプローチは、「後悔最小化」フィルターを使用しました。このシステムは、推奨された選択肢を、ユーザーが自分自身で見つけられたであろう最善の代替案と比較しました。もし推奨事項が、別の選択肢を選んでいた場合よりもユーザーを失望させる可能性が高いと判断された場合、システムはその提案を控えました。第五のアプローチは、あらゆるユーザーの好みを完全に把握しているという仮定の「オラクル（神託）」システムであり、どれほどの改善の余地があるかを測定するための上限値として機能しました。

シミュレーションの結果、ウェルフェア志向のアプローチに明確な優位性があることが明らかになりました。仮想都市において、標準的なシステムはしばしば、移動コストが活動の楽しみを食いつぶしてしまうような状況にユーザーを陥れていました。標準的なシステムは、何もしない場合と比較して平均的な体験をわずかに向上させたものの、依然として、提案を受けなかった方がマシであったという「悪い旅」が相当数発生していました。対照的に、ウェルフェアをフィルタリングするシステムは、これらの否定的な経験を劇的に減少させました。不適切な場合には提案を控えることで、これらの新しいシステムは、ユーザーが時間と金を無駄にすることを防いだのです。シミュレーションによれば、システムが控えた場合、推奨を受けたユーザーの満足度は非常に高くなりました。旅の平均的な満足度は上昇し、異なるユーザー間の扱いの不平等も減少しました。システムは単に人気の高い場所を推奨したのではなく、適切な時に、適切な人に対して、適切な場所を推奨したのです。

おそらく最も驚くべき発見は、標準的なシステムがどれほど多くの害を与えていたかということでした。シミュレーションによれば、標準的なレコメンデーションが、ユーザーが自分で場所を選んだ場合よりも、一日の気分を悪化させてしまうケースが、時間の4割近くに達していました。これは、アルゴリズムがユーザーにとっての実際の成果よりも、エンゲージメント（クリックや訪問を促すこと）を優先することが多いためです。新しいウェルフェア指向のフィルターは、この害を与える割合を大幅に削減し、ユーザーが悪化した状態で終わる割合を約31パーセントにまで抑えました。さらに、これらのフィルターは特定のタイプの旅行者にとって特に有用であることが分かりました。リスク回避傾向が強い人々や、選択肢が多すぎると圧倒されやすい人々は、システムの抑制から最も大きな恩恵を受けました。これらの人々にとって、アルゴリズムは製品を押し付けるセールスマンではなく、引き時を知っている思慮深い友人のように機能したのです。

研究者たちはまた、繊細なバランスを取る必要があることも発見しました。もしシステムが厳格になりすぎて、提案を拒否しすぎると、それは役に立たなくなります。シミュレーションは、システムが最も効果的となる特定の閾値を特定しました。それは、悪い選択肢を排除するのに十分な厳格さを持ちつつ、有用なガイダンスを提供できるほどには緩やかであるという状態です。正しく調整されたとき、これらのウェルフェア指向のシステムは、現在のテクノロジーと、個々のユーザーが何を望んでいるかを正確に知る完璧な理想的システムとの間の大きな隔たりを埋めることができます。今回の研究は現実世界ではなくシミュレーション環境で行われましたが、その論理は精査に耐えうるものです。研究結果は、次世代の旅行・活動アプリが、単にユーザーが何をクリックするかを予測するのが上手くなるだけでなく、いつ声を上げ、いつ身を引くべきかについて、より原則に基づいたものであるべきであることを示唆しています。ユーザーの時間とエネルギーを、回収不可能な貴重なリソースとして扱うことで、これらのシステムは単なる利便性のための道具から、日常の意思決定における真のパートナーへと変貌を遂げることができるのです。