[논문 리뷰] Arguing for Decisions: A Qualitative Model of Decision Making

Blai Bonet, Héctor Geffner|arXiv (Cornell University)|2013. 02. 13.

Bayesian Modeling and Causal Inference참고 문헌 14인용 수 91

한 줄 요약

이 논문은 규칙 기반 추론, 고확률 추론, 어휘적 선호를 사용하여 인간과 유사한 결정을 투명하고 설명 가능하게 모델링하는 정성적 의사결정 모델을 제안한다. 전통적 의사결정 이론의 복잡한 형식화를 피하면서 선택에 찬성 및 반대하는 근거를 통합함으로써, 사람들이 쉽게 설명할 수 있는 의사결정에 적합한 더 간단한 대안을 제공한다. 다만 공식적 의사결정 이론의 대체제는 아니다.

ABSTRACT

We develop a qualitative model of decision making with two aims: to describe how people make simple decisions and to enable computer programs to do the same. Current approaches based on Planning or Decisions Theory either ignore uncertainty and tradeoffs, or provide languages and algorithms that are too complex for this task. The proposed model provides a language based on rules, a semantics based on high probabilities and lexicographical preferences, and a transparent decision procedure where reasons for and against decisions interact. The model is no substitude for Decision Theory, yet for decisions that people find easy to explain it may provide an appealing alternative.

연구 동기 및 목표

• 사람들이 단순하고 설명 가능한 의사결정을 내리는 방식을 모방하는 의사결정 모델을 개발하기 위해.
• 기존의 계획 및 의사결정 이론 접근 방식의 한계를 해결하기 위해, 즉 불확실성을 무시하거나 너무 복잡한 형식화를 사용하는 것을 방지하기 위해.
• 의사결정의 근거가 서로 상호작용하는 방식으로 명시적으로 표현되는 투명한 의사결정 절차를 제공하기 위해.
• 일상적인 의사결정에 적합한 계산적으로 경량화된 공식적 의사결정 이론의 대안을 만들기 위해.
• 컴퓨터 프로그램이 인간의 추론 패턴과 일치하고 해석 가능한 방식으로 의사결정을 내릴 수 있도록 하기 위해.

제안 방법

• 의사결정에 관련된 지식을 표현하기 위해 규칙 기반 언어를 사용한다.
• 정확한 수치적 확률이 필요로 하지 않는 한, 불확실성을 다루기 위해 고확률 추론을 적용한다.
• 결과를 정성적 우선순위 기반으로 순서를 매기기 위해 어휘적 선호를 사용한다.
• 각 옵션에 대한 찬성 및 반대 근거를 평가함으로써 상호작용적인 갈등 해결이 가능하도록 의사결정 절차를 설계한다.
• 결과에 대한 추론과 선호를 투명하고 단계별로 통합한다.
• 복잡한 최적화나 확률적 미적분을 피하고, 직관적이고 인간이 읽을 수 있는 논리적 추론을 우선시한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 사람들이 단순하고 설명 가능한 의사결정을 내리는 방식을 반영하는 의사결정 모델을 설계할 수 있는가?
• RQ2 어떤 형식화가 의사결정에 찬성 및 반대 근거를 모두 포함하는 투명한 추론을 가능하게 하는가?
• RQ3 정량적 확률 또는 효용 함수에 의존하지 않고도 정성적 모델이 불확실성과 트레이드오프를 다룰 수 있는가?
• RQ4 어떤 방식으로 이러한 모델을 계산적으로 실행 가능하고 해석 가능한 방식으로 구현할 수 있는가?
• RQ5 이러한 모델이 전통적 의사결정 이론보다 우월하거나 보완적인 상황은 어떤 것이 있는가?

주요 결과

• 모델은 단순하고 설명 가능한 상황에서 인간의 의사결정 구조를 성공적으로 포착한다.
• 각 의사결정 대안에 대한 찬성 및 반대 근거를 명시적으로 표현함으로써 투명한 추론을 가능하게 한다.
• 고확률과 어휘적 선호의 사용은 불확실성과 선호의 트레이드오프를 효과적으로 다룰 수 있도록 한다.
• 기존 의사결정 이론의 계산적 및 표현적 복잡성을 피하면서도 일상적인 의사결정에 효과적으로 기능한다.
• 수학적 최적성보다 해석 가능성과 인간과의 일치성이 더 중요한 응용 분야에서 실용적인 대안을 제공한다.
• 실제 의사결정 모델링에서의 타당성을 입증하기 위해 UAI 1996 논문집의 맥락에서 적용된 바가 있으며, 실용성과 타당성을 입증했다.