[논문 리뷰] Semi-bounded Rationality: A model for decision making

Tshilidzi Marwala|arXiv (Cornell University)|2013. 05. 26.

Statistical Mechanics and Entropy참고 문헌 28인용 수 4

한 줄 요약

이 논문은 신호 처리, 상관관계 기반 보정 기계, 그리고 인공지능 기반 일관성 유지 기법을 통합한 고도화된 의사결정 모델인 반경계합리성(semi-bounded rationality)을 제안한다. 이는 불완전하고 부정확하며 노이즈가 많은 데이터를 다루기 위해 경계합리성(bounded rationality)의 보다 견고한 대안을 제공한다. 노이즈를 걸러내고 누락된 값을 보정하며, 지능형 시스템을 통해 의사결정의 일관성을 향상시킨다.

ABSTRACT

In this paper the theory of semi-bounded rationality is proposed as an extension of the theory of bounded rationality. In particular, it is proposed that a decision making process involves two components and these are the correlation machine, which estimates missing values, and the causal machine, which relates the cause to the effect. Rational decision making involves using information which is almost always imperfect and incomplete as well as some intelligent machine which if it is a human being is inconsistent to make decisions. In the theory of bounded rationality this decision is made irrespective of the fact that the information to be used is incomplete and imperfect and 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 semi-bounded rationality, signal processing is used to filter noise and outliers in the information and the correlation machine is applied to complete the missing information and artificial intelligence is used to make more consistent decisions.

연구 동기 및 목표

• 정보가 종종 불완전하고, 부정확하며 노이즈가 많은 현실 세계의 의사결정에서 경계합리성의 한계를 해결하기 위해.
• 인간의 의사결정 일관성 부족을 보완하기 위해 정보를 처리하고 보완하는 체계적인 지능형 시스템을 도입하기 위해.
• 신호 처리와 인공지능을 통합하여 신뢰성과 일관성을 향상시키는 의사결정 프레임워크를 개발하기 위해.
• 누락된 값을 추정하고 인과 관계를 모델링하기 위해 상관관계 기계와 인과 기계를 융합한 하이브리드 모델을 제안하기 위해.
• 데이터 필터링 및 지능형 추론 메커니즘을 통합함으로써 경계합리성의 실용적 대안을 제공하기 위해.

제안 방법

• 의사결정 이전에 입력 데이터에서 노이즈와 이방값(outliers)을 걸러내기 위해 신호 처리 기법을 적용한다.
• 기존의 통계적 관계를 기반으로 하여 불완전한 데이터셋에서 누락된 값을 추정하고 보완하기 위해 상관관계 기계를 사용한다.
• 인간의 본질적 불일관성에도 불구하고 일관된 의사결정을 보장하기 위해 인공지능 시스템을 통합한다.
• 의사결정을 두 가지 구성 요소로 모델링한다: 데이터 보정을 위한 상관관계 기계와 인과관계 모델링을 위한 인과 기계.
• 데이터가 부정확한 실제 사례에 이 프레임워크를 적용하여, 처리되고 일관되며 완전한 정보에 기반한 의사결정을 보장한다.
• 이론을 바탕으로 경계합리성을 확장하여 데이터 전처리 및 지능형 추론을 의사결정 과정의 핵심 구성 요소로 통합한다.

실험 결과

연구 질문

• RQ1 정보가 불완전하고, 부정확하며 노이즈가 많은 상황에서 의사결정은 어떻게 향상시킬 수 있는가?
• RQ2 불확실성 하에서 의사결정의 신뢰성을 향상시키는 데 있어 신호 처리는 어떤 역할을 하는가?
• RQ3 상관관계 기계는 의사결정 데이터셋에서 누락된 값을 효과적으로 어떻게 추정할 수 있는가?
• RQ4 인공지능은 인간의 불일관성에 대비하여 의사결정의 일관성에 어떻게 기여하는가?
• RQ5 반경계합리성은 고전적 경계합리성 이론을 어떻게 확장하거나 향상시키는가?

주요 결과

• 신호 처리 기법의 통합은 노이즈와 이방값이 의사결정 결과에 미치는 영향을 크게 감소시킨다.
• 상관관계 기계는 불완전한 데이터셋 내 존재하는 통계적 패턴을 활용하여 누락된 데이터를 효과적으로 추정한다.
• 인공지능 시스템은 인간의 인지 편향이 초래하는 변동성을 최소화함으로써 의사결정의 일관성을 향상시킨다.
• 반경계합리성 모델은 데이터의 불완전성을 명시적으로 다룸으로써 경계합리성보다 더 견고한 프레임워크를 제공한다.
• 데이터 전처리와 지능형 추론의 조합을 통해 의사결정 품질이 향상됨을 입증한다.
• 이 프레임워크는 부정확한 정보를 포함한 현실 세계의 응용에 적합한 경계합리성의 실용적 확장이다.