"Kręcimy bicz na siebie. Nasza przyszłość jest przerażająca i tragiczna" Steve Wozniak
Streszczenie
Teoria prawdopodobieństwa opisuje, w co agent powinien wierzyć na podstawie dowodów, teoria użyteczności opisuje, czego chce agent, a teoria decyzji łączy te dwie kwestie, aby opisać, co agent powinien zrobić.
Możemy wykorzystać teorię decyzji do zbudowania systemu, który podejmuje decyzje poprzez rozważenie wszystkich możliwych działań i wybranie tego, który prowadzi do najlepszego oczekiwanego rezultatu. Taki system jest znany jako racjonalny agent.
Teoria użyteczności pokazuje, że agenta, którego preferencje między loteriami są zgodne z zestawem prostych aksjomatów, można opisać jako posiadający funkcję użyteczności; ponadto agent wybiera działania tak, jakby maksymalizował swoją oczekiwaną użyteczność.
Wieloatrybutowa teoria użyteczności zajmuje się użytecznościami, które zależą od kilku różnych atrybutów stanów. Dominacja stochastyczna jest szczególnie przydatną techniką podejmowania jednoznacznych decyzji, nawet bez precyzyjnych wartości użyteczności atrybutów.
Sieci decyzyjne zapewniają prosty formalizm do wyrażania i rozwiązywania problemów decyzyjnych. Stanowią naturalne rozszerzenie sieci bayesowskich, zawierające oprócz węzłów przypadkowych węzły decyzyjne i użytkowe.
Czasami rozwiązanie problemu wymaga znalezienia większej ilości informacji przed podjęciem decyzji. Wartość informacji definiuje się jako oczekiwaną poprawę użyteczności w porównaniu z podjęciem decyzji bez informacji; jest szczególnie przydatny do kierowania procesem zbierania informacji przed podjęciem ostatecznej decyzji.
Gdy, jak to często bywa, nie można w pełni i poprawnie określić funkcji użytkowej człowieka, maszyny muszą działać w niepewności co do prawdziwego celu. To robi znaczącą różnicę, gdy istnieje możliwość, że maszyna pozyska więcej informacji o ludzkich preferencjach. Prostym argumentem pokazaliśmy, że niepewność preferencji sprawia, że maszyna ulega człowiekowi do tego stopnia, że pozwala się wyłączyć.