人工智能专家为决策制定新理论

人们应该如何做出决策时，他们选择的结果是不确定的，不确定性是概率论的描述?堪萨斯大学商学院的罗纳德·G·哈珀(Ronald G.Harper)杰出人工智能教授Prakash Shenoy就是这个问题。

他的回答可以在“近似值推理的国际期刊” 9月刊上发表的文章“具有Dempster-Shafer信念函数的决策的区间值效用理论”中找到。

Shenoy说：“人们认为您总是可以将概率附加到不确定的事件上。”

“但是在现实生活中，您永远不知道概率是什么。不知道它是50%还是60%。这是1970年代Arthur Dempster和Glenn Shafer提出的信念函数理论的本质。”

他的文章(与Thierry Denoeux合着)概括了决策理论，从概率到信念函数。

他说：“概率决策理论可用于做出任何高风险的选择。比如我应该接受一份新工作还是一份求婚?高风险的东西。你不需要它去哪里吃午饭。”

“但是总的来说，我们永远不知道会发生什么。您接受一份工作，但结果可能是您的老板很糟糕。不确定性很大。您可能有两个工作机会，所以必须决定两个选择。接受和接受。然后进行利弊并附加概率。当您重复很多次时，概率就很好。但是，如果这是一次性的事情，那么您就无法“平均赢得”。

谢诺伊说，约翰·冯·诺伊曼和奥斯卡·摩根斯坦在他们1947年出版的《游戏与经济行为理论》中提供了对此问题的最早答案之一。1961年，丹尼尔·埃尔斯贝格(Daniel Ellsberg)通过实验证明，冯·诺依曼(von Neumann)和摩根斯坦(Morgenstern)的决策理论不能描述人类的行为，尤其是当用概率论来表示不确定性时。

在60年代末和70年代中期，Arthur Dempster和Glenn Shafer(曾在KU从事数学和商业工作)制定了一种称为信念函数的不确定性演算，该演算是概率论的泛化，可以更好地实现代表模棱两可。然而，当不确定性被描述时，没有决策理论可以用来做出决策。

当Dempster-Shafer的信念函数描述了不确定性时，如von Neumann-Morgenstern理论类似，Shenoy的文章提供了决策理论的第一个表述。Shenoy说，这种理论能够更好地解释Ellsberg在歧义下做出选择的实验发现。

三年前，两位教授都在与博士生对话时，这位教授首次就此问题与Denoeux进行了接触。

“(Denoeux)经历了所有具有信念功能的决策理论。后来我去告诉他，'你所说的所有这些都不令人满意。' 他同意我的意思!我说我想和他一起工作。所以他给了我邀请。”

Shenoy申请休假，然后在2019年春季前往法国，在那里他与Compoeène的德诺大学合作了五个月。

他说：“这在文化上是非常丰富的，并且在职业上是有益的。”

Shenoy现在在KU的第43年，仍然是不确定推理及其在人工智能中的应用专家。他是基于价值的系统(VBS)的发明者，该系统是一种用于知识表示和推理的数学体系，其中包括许多不确定性计算。他的VBS架构目前用于美国国防部的弹道导弹多传感器融合。

他希望他的最新研究可以使那些依赖信念功能的人受益。

Shenoy说：“例如，这包括很多。” “他们喜欢信念函数，因为它具有灵活性，并且他们想知道您如何做出决策。如果最终要把所有东西都简化为概率，为什么不先使用概率呢?”