본 논문은 사람의 의사결정 과정을 모델링하는 데 필수적인 이산 선택 모델(Discrete Choice Model, DCM)에 대한 새로운 접근법인 미분 가능 이산 선택 모델(Differentiable Discrete Choice Model, Diff-DCM)을 제시한다. 기존 DCM은 전문가의 도메인 지식에 크게 의존했지만, Diff-DCM은 미분 프로그래밍을 통해 데이터 기반으로 해석 가능한 모델을 자동으로 학습, 예측 및 제어할 수 있다. 사전 지식 없이 입력 특징과 선택 결과만으로 관찰된 행동을 재현하는 해석 가능한 폐쇄형 효용 함수를 추정하며, 합성 및 실제 데이터에 대한 실험을 통해 다양한 유형의 데이터에 적용 가능하고 적은 계산 자원만으로도 빠르게 추정 가능함을 보였다. 또한, 미분 가능성을 활용하여 효과적인 행동 변화를 위한 최적 개입 경로와 같은 통찰력을 제공할 수 있음을 보여준다.
