[論文レビュー] Decision under Uncertainty

Philippe Smets|arXiv (Cornell University)|Mar 27, 2013

Decision-Making and Behavioral Economics被引用数 5

ひとこと要約

この論文は、不確実性下での信念関数の使用——特に移転可能コミットメント則——を公理化し、意思決定のための整合的な確率枠組みを導出する。部分的無知および認識的不確実性の下で、移転可能信念モデル（TBM）が合理的意思決定の規範的基盤を提供することを確立し、主な結果として信念関数が不確実性が曖昧な状況でのベイズ確率の一般化であることが示される。

ABSTRACT

We derive axiomatically the probability function that should be used to make decisions given any form of underlying uncertainty.

研究の動機と目的

• 部分的または不完全な情報下での合理的意思決定の形式化。
• 事前知識が曖昧または不完全な場合にベイズ確率の限界を解決すること。
• 正確な確率が得られない状況における不確実性表現の整合的数学的枠組みの導出。
• 人工知能および意思決定理論における信念関数（妥当な推論）を規範的ツールとして使用することの正当化。
• 認識的不確実性下で最適な戦略としての移転可能コミットメント則の確立。

提案手法

• 一貫性および整合性に関する公理群に基づく、不確実性下での意思決定の合理性の公理化。
• 信念と不確実性の表現のための枠組みとして、移転可能信念モデル（TBM）の採用。
• 部分的無知を表現するための信念関数（質量関数）の使用、ここで確率質量は可能な結果の部分集合に分配される。
• 証拠の統合と不確実性下での意思決定のための最適戦略としての移転可能コミットメント則の導出。
• TBMが認識的不確実性下で合理性の公理を満たすことを形式的証明。
• 正確な確率が得られないまたは明確でない意思決定問題へのフレームワークの適用。

実験結果

リサーチクエスチョン

• RQ1 不確実性が完全に数量化できない状況での意思決定の規範的確率モデルは何か？
• RQ2 事前知識が不完全または曖昧な状況でどのように合理的な意思決定が可能か？
• RQ3 正確な確率が存在しない状況で信念の割り当てを支配する公理的原則は何か？
• RQ4 認識的不確実性下で移転可能コミットメント則はベイズ更新とどのように比較できるか？
• RQ5 不確実な推論においてベイズ確率ではなく信念関数を使用する正式な根拠は何か？

主な発見

• 移転可能コミットメント則は、認識的不確実性下での意思決定における一意な合理的戦略である。
• 正確な確率が得られない状況では、信念関数がベイズ確率の整合的一般化を提供する。
• TBMフレームワークは、一貫性および整合性を含む、不確実性下での合理性に必要なすべての公理を満たす。
• 本論文は、AIおよび意思決定システムにおける部分的無知の表現に信念関数が適切な数学的ツールであることを確立する。
• 導出された枠組みにより、信頼性が曖昧な複数の情報源からの証拠の統合が可能になる。
• フレームワークにより、識別枠が不完全である場合や証拠が矛盾する場合でも合理的な意思決定が可能になる。