[논문 리뷰] Decision under Uncertainty

Philippe Smets|arXiv (Cornell University)|2013. 03. 27.

Decision-Making and Behavioral Economics인용 수 5

한 줄 요약

이 논문은 불확실성 하에서 믿음 함수—특히 이행 가능한 기여 규칙—의 사용을 공리화하여 의사결정을 위한 일관된 확률 프레임워크를 도출한다. 부분적 무지와 인지적 불확실성 하에서 전이 가능한 믿음 모델(TBM)이 합리적 결정을 위한 범용적 기초를 제공함을 입증하며, 핵심 결과는 믿음 함수가 정확하지 않은 불확실성 상황에서 베이지안 확률을 일반화한다는 것이다.

ABSTRACT

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

연구 동기 및 목표

• 부분적 또는 불완전한 정보 하에서의 합리적 의사결정을 형식화하기 위해.
• 사전 지식이 모호하거나 불완전할 경우 베이지안 확률의 한계를 다루기 위해.
• 정확한 확률이 없을 경우에도 일관된 수학적 프레임워크를 확보하여 불확실성 표현을 일반화하기 위해.
• 인공지능과 의사결정 이론에서 믿음 함수(합리적 추론)를 범용 도구로 사용하는 것을 정당화하기 위해.
• 인지적 불확실성 하에서 이행 가능한 기여 규칙이 최적 전략임을 확립하기 위해.

제안 방법

• 합리성의 공리화를 일관성과 일관성 원칙에 기반한 공리 집합을 사용하여 불확실성 하에서의 의사결정에 적용하기 위해.
• 믿음과 불확실성의 표현을 위한 기초 프레임워크로 전이 가능한 믿음 모델(TBM)을 채택하기 위해.
• 확률 질량이 가능한 결과의 부분집합들에 분포하는 믿음 함수(질량 함수)를 사용하여 부분적 무지를 표현하기 위해.
• 증거의 조합과 불확실성 하에서의 의사결정을 위한 최적 전략으로서의 이행 가능한 기여 규칙을 유도하기 위해.
• TBM이 인지적 불확실성 하에서 합리성 공리들을 만족함을 공식적으로 증명하기 위해.
• 정확한 확률이 없거나 명확하지 않은 상황에서의 의사결정 문제에 이 프레임워크를 적용하기 위해.

실험 결과

연구 질문

• RQ1 불확실성이 완전히 정량화되지 않을 경우 의사결정을 위한 범용 확률 모델은 무엇인가?
• RQ2 사전 지식이 불완전하거나 모호할 경우 어떻게 합리적인 결정을 내릴 수 있는가?
• RQ3 정확한 확률이 없을 경우 믿음의 할당을 지배하는 공리적 원칙은 무엇인가?
• RQ4 인지적 불확실성 하에서 이행 가능한 기여 규칙은 베이지안 업데이트와 어떻게 비교되는가?
• RQ5 불확실한 추론에서 베이지안 확률 대신 믿음 함수를 사용하는 공식적 정당성은 무엇인가?

주요 결과

• 이행 가능한 기여 규칙은 인지적 불확실성 하에서의 의사결정을 위한 유일한 합리적 전략이다.
• 정확한 확률이 없을 경우 믿음 함수는 베이지안 확률의 일관된 일반화를 제공한다.
• TBM 프레임워크는 일관성과 일관성과 같은 불확실성 하에서 합리성에 요구되는 모든 공리를 만족한다.
• 논문은 믿음 함수가 인공지능 및 의사결정 시스템에서 부분적 무지를 표현하는 데 적절한 수학적 도구임을 입증한다.
• 유도된 프레임워크는 신뢰도가 불확실한 다수의 소스에서 온 증거의 조합을 가능하게 한다.
• 이 접근법은 의사결정의 기준이 불완전하거나 증거가 상충될 경우에도 합리적인 결정을 가능하게 한다.