[论文解读] Arguing for Decisions: A Qualitative Model of Decision Making

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

Bayesian Modeling and Causal Inference参考文献 14被引用 91

一句话总结

本文提出了一种定性决策模型，通过基于规则的推理、高概率推理以及词典序偏好，以透明、可解释的方式模拟类人的决策。该模型通过整合支持与反对选择的论据，为传统决策理论提供了一种更简单的替代方案，适用于人们能够轻松解释的决策，但并非正式决策理论的替代品。

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.

研究动机与目标

• 开发一种能够反映人们如何做出简单、可解释决策的决策模型。
• 解决现有规划与决策理论方法的局限性，这些方法要么忽略不确定性，要么使用过于复杂的形式化体系。
• 提供一种透明的决策程序，使支持与反对选择的理由能够显式交互。
• 创建一种计算轻量级的替代方案，以替代形式化决策理论，适用于日常决策。
• 使计算机程序能够以可解释的方式、并符合人类推理模式的方式做出决策。

提出的方法

• 该模型使用基于规则的语言来表示与决策相关的知识。
• 它应用高概率推理来处理不确定性，而无需精确的数值概率。
• 使用词典序偏好根据定性优先级对结果进行排序。
• 决策过程评估每个选项的正反两方面论据，从而实现交互式冲突解决。
• 该模型以透明、逐步推进的方式整合后果与偏好的推理。
• 它避免使用复杂的优化或概率微积分，转而采用直观、人类可读的逻辑。

实验结果

研究问题

• RQ1 如何设计一种决策模型，以反映人类在简单、可解释情境下的决策方式？
• RQ2 何种形式化体系能够实现透明推理，同时包含支持与反对决策的论据？
• RQ3 定性模型是否能够在不依赖定量概率或效用函数的前提下，有效处理不确定性和权衡？
• RQ4 如何实现一种既计算可行又可解释的模型？
• RQ5 在何种情境下，该模型优于或可补充传统决策理论？

主要发现

• 该模型成功捕捉了人类在简单、可解释情境下决策结构的特征。
• 通过显式表示每个决策选项的支持与反对论据，实现了透明推理。
• 高概率与词典序偏好的使用，使得不确定性与偏好权衡得以有效处理。
• 该模型避免了传统决策理论在计算与表示上的复杂性，同时在日常决策中保持有效性。
• 对于可解释性与人类对齐比数学最优性更重要的应用场景，该模型提供了一个可行的替代方案。
• 该方法通过在UAI 1996会议论文集背景下的应用得到验证，展示了其在现实世界决策建模中的可行性。