Claudio Battiloro, Pietro Greiner, Bret Nestor, Oumaima Amezgar, Francesca Dominici

要約

学習システムが日常的な意思決定にますます影響を及ぼす中、共有データに対するアルゴリズム的集団行動（ACA）に基づくユーザー側の調整は、規制機関側の政策や企業側のモデル設計という既存のアプローチに補完的な役割を果たすものである。実際の行動は、共通の目的を持つものの、従来から複数の集団に分散・分断されており、各集団は規模や戦略、実行可能な目標において異なっている。しかし、これまでのACA研究の多くは単一の集団を想定した設定に焦点を当ててきた。本研究では、同一のシステムに対して複数の集団が同時に行動する状況を扱う初めての理論的枠組みを提示する。特に、分類問題における集団行動に注目し、複数の集団が信号を意図的に埋め込む、すなわち特徴量の変更されたバージョンと選択された（重複する可能性のある）ターゲットクラス群との間に偏りを生じさせ、分類器がその関連を学習するように誘導する仕組みを分析する。さらに、集団の規模と目的の整合性が果たす役割およびそれらの相互作用について、定量的な結果を提示する。本フレームワークは、これまでの経験的研究結果とも補完的に機能し、複数の集団を含むACAについて包括的かつ統合的な取り組みの道を開くものである。