引言 📖
在当今快速发展的科技时代,智能家居已不再是科幻小说中的概念,而是我们生活中的现实。随着可再生能源的普及和智能设备的不断增多,如何高效地管理家庭能源消耗,成为了人们关注的焦点。本文将探讨一种新颖的智能家居应用——Cuttlefish,它通过对比解释来提升用户对多效应时间规划的理解和满意度。
🌐 研究背景与目的
在本研究中,我们使用对比解释方法探讨智能家居设备的调度。用户不仅需要执行某些家电任务,还要根据动态电价支付能源费用,同时还可以将多余的能量出售到电网。这使得该问题成为一个多效应规划问题,因为设备的并发调度和动态电价导致的非静态成本使得传统的规划方法无法有效解决。
Cuttlefish 作为一个智能家居调度方案,其目标是为用户提供一个周计划,以满足他们的需求并尽可能降低能源成本。为了实现这一目标,我们设计了一种自定义的领域依赖规划器,并通过对比解释来帮助用户理解推荐的调度方案。
📊 方法论
1. 规划问题的定义
我们将家庭环境视为一个包含单个电池和多个家电的系统。电池的放电为活动家电提供能源,而多余的能量则被出口到电网。我们的规划模型被定义为一个非静态有限视域规划问题(NF规划问题),其中包括状态集合、动作集合、时间步长、适用动作函数、转移函数和成本函数等。
2. 对比解释的实施
对比解释的核心在于通过提问来引导用户理解决策过程。例如,用户可以问:“为什么在状态 S 下选择了动作 A,而不是动作 B?”这类对比问题形成了一组限制条件,从而引导用户理解选择的合理性。Cuttlefish 利用这种对比解释,帮助用户更好地理解推荐的调度,并可能促使他们调整自己的需求。
3. 用户研究设计
我们在 Prolific 平台上进行了用户研究,共有128名参与者被随机分配到对照组和实验组。实验组的用户可以访问对比问题和解释,而对照组则只能查看推荐的调度方案。我们的目标是评估对比解释如何影响用户的满意度和理解程度。
📈 结果分析与讨论
1. 用户满意度的提升
通过对用户反馈的定量分析,我们发现,访问对比问题和解释的用户对推荐调度的满意度明显高于未能访问这些功能的用户。具体而言,在 Alice 和 Bob 两个角色的场景下,实验组对调度的理解、满意度和有用性评分均显著高于对照组。
统计数据示例:
角色 | 组别 | 理解评分 (均值±标准差) | 满意度评分 (均值±标准差) | 有用性评分 (均值±标准差) |
---|---|---|---|---|
Alice | TG | 5.578 ± 1.307 | 5.718 ± 1.119 | 5.937 ± 1.139 |
Bob | CG | 5.077 ± 1.395 | 5.015 ± 1.452 | 5.200 ± 1.394 |
2. 定性反馈分析
在问卷的自由文本部分,参与者被询问他们对调度的理解以及遇到的困难。结果显示,实验组的参与者对于调度的依赖关系(例如洗衣机和烘干机的顺序)表现出更深入的理解,而对调度任务的适宜性提出的质疑则较少。
🤔 反思与未来展望
尽管实验组的用户对推荐调度的满意度提高,但在调度的依赖关系方面仍存在一些困惑。这一发现提示我们,未来在设计智能调度系统时,需要更加清晰地向用户传达任务之间的依赖关系,以便更好地适应真实世界的应用场景。
🏁 结论
本文探讨了在智能家居时间规划中采用对比解释的有效性。我们的结果表明,对比问题和解释不仅提升了用户的理解和满意度,还为智能家居设备的调度提供了更为透明的决策支持。未来,我们将继续优化规划器的效率,并探索更多形式的“为什么”问题,以进一步增强用户体验。
参考文献
- T. Miller, “Explanation in artificial intelligence: Insights from the social sciences,” Artif. Intell., vol. 267, pp. 1–38, 2019.
- P. Lipton, “Contrastive explanation,” Roy. Inst. of Philosophy Suppl., vol. 27, pp. 247–266, 1990.
- T. Chakraborti, S. Sreedharan, and S. Kambhampati, “The emerging landscape of explainable automated planning & decision making,” in Proc. 29th Int. Joint Conf. Artif. Intell., 2020, pp. 4803–4811.
- B. Krarup et al., “Contrastive explanations of plans through model restrictions,” J. Artif. Intell. Res., vol. 72, pp. 533–612, 2021.