Каноническая теория динамических процессов принятия решений
Модель Домино была разработана как интегрированная теория рассуждений, принятия решений, планирования и других возможностей, которыми может обладать автономный агент. В предыдущей работе мы интерпретировали каждую стрелку в модели формально, как специализированную логику с отдельным набором неклассических аксиом и правил вывода (Das et al., 1997; Fox and Das, 2000). Хотя эта модель успешно используется во многих клинических приложениях, очевидно, что функции, моделируемые схемой домино, могут быть поняты многими другими способами и что различные исследовательские сообщества, вероятно, примут различные интерпретации. Наша цель здесь состоит в том, чтобы переописать структуру в более общем виде, в котором стрелки рассматриваются как канонические функции, которые могут быть созданы различными способами в соответствии с целями различных дисциплин и традиций. Каждая функция сначала суммируется неофициально, а затем представляется с помощью нотационного устройства, называемого сигнатурой. Сигнатуры обычно используются для описания свойств компьютерных программ в терминах их ограничений ввода-вывода без указания внутренних деталей того, как должна быть реализована функция (например, Spivey, 1989)3. Уровень абстракции, обеспечиваемый такими сигнатурами, соответствует первому приближению к формальной характеристике вычислительного уровня Марра (Marr, 1982), указывая, что вычисляется базовым процессом, не указывая, как он вычисляется (т. е. без указания алгоритма, который достигает вычисления или представлений, над которыми работает алгоритм).
Правило 1: Поддержание Веры
Любой агент (естественный или искусственный) должен поддерживать последовательный набор убеждений и ожиданий относительно своих текущих обстоятельств, обновляя их по мере изменения окружающей среды.Поддержание веры имеет фундаментальное значение для практического принятия решений и является основополагающим для всех моделей принятия решений, обсуждаемых здесь4. Убеждения должны быть пересмотрены в свете новых наблюдений, новых верований или новых знаний. Существует бесчисленное множество предложений о том, как можно/должно реализовываться поддержание веры; хорошо известные из них включают вероятностное обновление; нечеткий вывод; классическую дедукцию (пропозициональное и предикатное исчисление) и неклассическую логику (например, модальную, похищающую, индуктивную и немонотонную логику).
Уравнение S1 - это общая сигнатура, включающая в себя множество видов поддержания веры. Он выражает идею, что агент приходит к своим убеждениям и поддерживает их, применяя общие фоновые знания (онтологию) к конкретным ситуационным данным.
Наблюдение×OntologyBeliefBMBelief×OntologyBeliefBM (S1)
Сигнатуры читаются следующим образом: когнитивное состояние типа ниже линии (здесь убеждение) функционально зависит от когнитивного состояния выше линии при некотором наборе аксиом или алгоритмов BM. Оператор × может быть понят декларативно (”вместе с“) или процедурно (”применительно к") в зависимости от того, что является более интуитивным. Обратите внимание, что второй вариант сигнатуры является рекурсивным, поэтому убеждения могут распространяться вперед, если онтология этого требует.
Правило 2: Повышение Целей
Агент должен обеспечить непрерывность своих намерений и действий во времени, опосредованную концепцией состояния цели.
Цель - это когнитивное состояние, которое служит для координации поведения агента, даже если обстоятельства могут измениться и его решения и планы нуждаются в обновлении. Родственные понятия цели включают "желание “(как в интенциональной философии, так и в теории БДИ);” побуждение “и” мотивацию “из классической психологии;” полезность “из теории принятия решений,” критерии" в многокритериальных моделях принятия решений и т. д. Отношения между этими терминами лингвистически затруднительны, но концепция привела к бесчисленным техническим предложениям в ИИ для представления и интерпретации состояний цели в роботах, планировщиках и других системах. Следующие подписи подводят итог канону.
Вера×OntologyGoalGGoal×OntologyGoalG (S2)
Как и прежде, когнитивное состояние типа ниже линии (здесь цель) зависит от знания агента и текущего когнитивного состояния. В первой из двух сигнатур состояние, ведущее к цели, может быть специфическим сценарием, например, пациент представляет тяжелую и хроническую боль, ведущую к двум целям: решить наиболее вероятную причину и решить наиболее предпочтительное лечение. Вторая сигнатура охватывает случай, часто встречающийся в планировании ИИ: цели ведут к подцелям. Цель потушить пожар может повлечь за собой подцели, чтобы решить, как добраться до огня, стратегию атаки, необходимое оборудование и так далее, любая из которых может привести к дальнейшим подцелям.
Следующие четыре правила - это основные возможности в принятии решений на основе целей.
Правило 3: Создание Параметров
Агент должен применять конкретные знания о ранее эффективных решениях, когда он может, и использовать общие знания для решения проблем, когда конкретные знания недоступны.
Агент может быть способен идентифицировать несколько возможных решений, поэтому мы называем их "кандидатами “в последующих подписях, используя этот термин для включения других общих терминов, таких как” вариант решения“,” решение проблемы" и т. д.
Цель×Вера×OntologyCandidateC (S3)
Подпись Эквалайзера. S3 абстрагируется от “сильных " методов решения проблем, которые опираются на конкретные знания предметной области, и от общих, но “слабых” методов, таких как анализ средств-целей и решение ограничений (Laird et al., 1987). Она также включает в себя промежуточные методы, такие как эвристическая классификация, которая сопоставляет онтологии, например симптом → болезни и болезни → лечение (Clancey, 1985), и принятие решений на основе объяснения, которое зависит от построения причинных моделей для выбора между действиями (Pennington and Hastie, 1993).
Продолжение в части №6
Источники: https://doi.org/10.3389/fpsyg.2013.00150