[论文解读] Flexibly-bounded Rationality and Marginalization of Irrationality Theories for Decision Making

Tshilidzi Marwala|arXiv (Cornell University)|Jun 9, 2013

Evolutionary Algorithms and Applications参考文献 97被引用 9

一句话总结

本文提出了灵活有界理性（flexibly-bounded rationality），作为有界理性的一种扩展，利用先进的信息分析、相关性机器和人工智能技术，完成不完整数据并提升决策的一致性。此外，本文还提出了对非理性理论的边际化方法，以管理决策过程中的人类非理性行为，增强在面对不完美和不一致输入时的鲁棒性。

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.

研究动机与目标

• 解决有界理性在信息不完整且人类认知不一致的现实决策场景中的局限性。
• 通过建立正式框架来管理并减轻其影响，克服人类决策中的固有非理性。
• 通过人工智能和数据补全技术扩展理性决策的边界，以提升一致性和可靠性。
• 提出一种系统化方法——非理性边际化，以处理存在非理性认知偏见时的满意性行为。
• 整合相关性机器与人工智能，以在不确定环境中提升数据完整性和决策质量。

提出的方法

• 通过先进信息分析扩展决策边界的手段，应用灵活有界理性理论。
• 利用相关性机器推断并补全决策过程中的缺失或不完整数据。
• 利用人工智能通过建模更稳定和理性的行为，减少类人决策中的一致性问题。
• 将非理性边际化形式化为概率框架，以纳入非理性倾向但不完全抛弃其影响。
• 将人工智能驱动的一致性机制与数据填补技术整合，以在不确定性下提升决策结果。
• 将决策建模为在理性与不完美认知和数据的现实约束之间取得平衡的过程。

实验结果

研究问题

• RQ1 如何通过人工智能和数据补全技术，灵活扩展传统有界理性的决策边界，以适应不完整和不完美的信息？
• RQ2 人工智能与相关性机器在类人决策系统中，如何提升一致性和数据完整性？
• RQ3 如何系统化地建模并边际化人类决策中的非理性，而非忽略或最小化其影响？
• RQ4 对非理性的边际化对不确定环境中决策结果的质量和鲁棒性有何影响？
• RQ5 结合数据补全、人工智能与非理性建模的混合框架，是否能在现实决策任务中超越经典有界理性？

主要发现

• 灵活有界理性通过利用人工智能和数据补全技术，成功扩展了决策的范围。
• 相关性机器能有效重建缺失数据，提升了决策模型输入的可靠性。
• 人工智能减少了决策不一致性，带来更稳定和可重复的结果。
• 非理性边际化提供了一种结构化方法，以处理人类非理性，而不完全抛弃其影响。
• 这些组件的整合形成了一套更具鲁棒性的决策框架，在不确定性下优于传统有界理性。
• 所提出的框架适用于涉及不完整信息和认知不一致性的现实世界决策问题。