[논문 리뷰] Flexibly-bounded Rationality and Marginalization of Irrationality Theories for Decision Making

Tshilidzi Marwala|arXiv (Cornell University)|2013. 06. 09.

Evolutionary Algorithms and Applications참고 문헌 97인용 수 9

한 줄 요약

이 논문은 완전하지 않은 데이터를 보완하고 의사결정의 일관성을 향상시키기 위해 고급 정보 분석, 상관관계 기반 머신, 인공지능을 활용하는 영향력 있는 유연한 유한성 이론을 도입한다. 또한 인간의 비합리성을 관리하기 위해 비합리성 이론의 극복을 제안하며, 불완전하고 일관성 없는 입력에 대비한 의사결정의 강건성을 향상시킨다.

ABSTRACT

In this paper the theory of flexibly-bounded rationality which is an extension to the theory of bounded rationality is revisited. Rational decision making involves using information which is almost always imperfect and incomplete together with some intelligent machine which if it is a human being is inconsistent to make decisions. In bounded rationality, this decision is made irrespective of the fact that the information to be used is incomplete and imperfect and that the human brain is inconsistent and thus this decision that is to be made is taken within the bounds of these limitations. In the theory of flexibly-bounded rationality, advanced information analysis is used, the correlation machine is applied to complete missing information and artificial intelligence is used to make more consistent decisions. Therefore flexibly-bounded rationality expands the bounds within which rationality is exercised. Because human decision making is essentially irrational, this paper proposes the theory of marginalization of irrationality in decision making to deal with the problem of satisficing in the presence of irrationality.

연구 동기 및 목표

• 정보가 불완전하고 인간의 인지가 일관성이 없는 실제 의사결정 환경에서 유한성 이론의 한계를 해결하기 위해.
• 비합리성의 본질적 특성을 해소하기 위해 인간의 의사결정에서 비합리성의 영향을 관리하고 완화할 수 있는 형식적 프레임워크를 개발하기 위해.
• AI 및 데이터 보완 기법을 통해 합리적 의사결정의 범위를 확장하여 일관성과 신뢰도를 향상시키기 위해.
• 비합리적 사고 편향이 존재하는 상황에서 만족형 행동을 다룰 수 있는 체계적인 방법—비합리성의 극복—을 제안하기 위해.
• 상관관계 기반 머신과 인공지능을 통합하여 불확실한 환경에서 데이터 완전성과 의사결정 품질을 향상시키기 위해.

제안 방법

• 고급 정보 분석을 통해 의사결정의 범위를 확장함으로써 영향력 있는 유한성 이론을 적용하기 위해.
• 상관관계 기반 머신을 사용하여 의사결정 과정에서 누락되거나 불완전한 데이터를 추론하고 보완하기 위해.
• 인공지능을 활용하여 인간 유사 의사결정에서의 일관성 부족을 줄이고 더 안정적이고 합리적인 행동을 모델링하기 위해.
• 비합리성의 극복을 확률적 프레임워크로 제안하여 비합리적 경향을 완전히 배제하지 않고도 반영하기 위해.
• AI 기반의 일관성 메커니즘과 데이터 보완을 통합하여 불확실한 환경에서 의사결정 결과를 향상시키기 위해.
• 의사결정을 완전한 인지와 데이터의 제약 조건을 고려한 합리성과의 균형을 이루는 과정으로 모델링하기 위해.

실험 결과

연구 질문

• RQ1 기존의 유한성 이론을 넘어서 불완전하고 불완전한 정보를 수용할 수 있도록 의사결정의 범위를 어떻게 영향력 있게 확장할 수 있는가?
• RQ2 인공지능과 상관관계 기반 머신은 인간 유사 의사결정 시스템에서 일관성과 데이터 완전성을 어떻게 향상시킬 수 있는가?
• RQ3 인간 의사결정에서의 비합리성은 어떻게 시스템적으로 모델링하고 극복할 수 있는가? 이를 간과하거나 최소화하는 것이 아니라.
• RQ4 비합리성의 극복이 불확실한 환경에서 의사결정 결과의 품질과 강건성에 미치는 영향은 무엇인가?
• RQ5 데이터 보완, 인공지능, 비합리성 모델링을 융합한 하이브리드 프레임워크는 실제 의사결정 과제에서 기존의 유한성 이론보다 뛰어난 성능을 보일 수 있는가?

주요 결과

• 영향력 있는 유한성 이론은 AI 및 데이터 보완 기법을 활용하여 의사결정의 범위를 성공적으로 확장한다.
• 상관관계 기반 머신은 누락된 데이터를 효과적으로 복원하여 의사결정 모델의 입력 신뢰도를 향상시킨다.
• 인공지능은 의사결정의 일관성을 감소시켜 더 안정적이고 반복 가능한 결과를 이끈다.
• 비합리성의 극복은 비합리성의 영향을 완전히 제거하지 않고도 체계적인 접근 방식을 제공한다.
• 이러한 구성 요소의 통합은 불확실한 환경에서 기존의 유한성 이론보다 뛰어난 강건한 의사결정 프레임워크를 만들어낸다.
• 제안된 프레임워크는 정보가 불완전하고 인지적 일관성이 결여된 실제 의사결정 문제에 적용 가능하다.