人工智能專家為決策制定新理論

人們應該如何做出決策時，他們選擇的結果是不確定的，不確定性是概率論的描述?堪薩斯大學商學院的羅納德·G·哈珀(Ronald G.Harper)杰出人工智能教授Prakash Shenoy就是這個問題。

他的回答可以在“近似值推理的國際期刊” 9月刊上發表的文章“具有Dempster-Shafer信念函數的決策的區間值效用理論”中找到。

Shenoy說：“人們認為您總是可以將概率附加到不確定的事件上。”

“但是在現實生活中，您永遠不知道概率是什么。不知道它是50%還是60%。這是1970年代Arthur Dempster和Glenn Shafer提出的信念函數理論的本質。”

他的文章(與Thierry Denoeux合著)概括了決策理論，從概率到信念函數。

他說：“概率決策理論可用于做出任何高風險的選擇。比如我應該接受一份新工作還是一份求婚?高風險的東西。你不需要它去哪里吃午飯。”

“但是總的來說，我們永遠不知道會發生什么。您接受一份工作，但結果可能是您的老板很糟糕。不確定性很大。您可能有兩個工作機會，所以必須決定兩個選擇。接受和接受。然后進行利弊并附加概率。當您重復很多次時，概率就很好。但是，如果這是一次性的事情，那么您就無法“平均贏得”。

謝諾伊說，約翰·馮·諾伊曼和奧斯卡·摩根斯坦在他們1947年出版的《游戲與經濟行為理論》中提供了對此問題的最早答案之一。1961年，丹尼爾·埃爾斯貝格(Daniel Ellsberg)通過實驗證明，馮·諾依曼(von Neumann)和摩根斯坦(Morgenstern)的決策理論不能描述人類的行為，尤其是當用概率論來表示不確定性時。

在60年代末和70年代中期，Arthur Dempster和Glenn Shafer(曾在KU從事數學和商業工作)制定了一種稱為信念函數的不確定性演算，該演算是概率論的泛化，可以更好地實現代表模棱兩可。然而，當不確定性被描述時，沒有決策理論可以用來做出決策。

當Dempster-Shafer的信念函數描述了不確定性時，如von Neumann-Morgenstern理論類似，Shenoy的文章提供了決策理論的第一個表述。Shenoy說，這種理論能夠更好地解釋Ellsberg在歧義下做出選擇的實驗發現。

三年前，兩位教授都在與博士生對話時，這位教授首次就此問題與Denoeux進行了接觸。

“(Denoeux)經歷了所有具有信念功能的決策理論。后來我去告訴他，'你所說的所有這些都不令人滿意。' 他同意我的意思!我說我想和他一起工作。所以他給了我邀請。”

Shenoy申請休假，然后在2019年春季前往法國，在那里他與Compoeène的德諾大學合作了五個月。

他說：“這在文化上是非常豐富的，并且在職業上是有益的。”

Shenoy現在在KU的第43年，仍然是不確定推理及其在人工智能中的應用專家。他是基于價值的系統(VBS)的發明者，該系統是一種用于知識表示和推理的數學體系，其中包括許多不確定性計算。他的VBS架構目前用于美國國防部的彈道導彈多傳感器融合。

他希望他的最新研究可以使那些依賴信念功能的人受益。

Shenoy說：“例如，這包括很多。” “他們喜歡信念函數，因為它具有靈活性，并且他們想知道您如何做出決策。如果最終要把所有東西都簡化為概率，為什么不先使用概率呢?”