Реализм.
Прикладные программы должны справляться с постоянными изменениями и высокими уровнями неопределенности, характерными для реальных сред, где количественные модели принятия решений непрактичны (например, из-за отсутствия данных) и которые стремятся решить натуралистические модели принятия решений. Ключевым предложением была модель предпочтения и выбора, основанная на логической аргументации (Fox et al., 1993; Краузе и др., 1995), которая имеет общие черты с обоснованным выбором в когнитивной психологии (например, Шафир и др., 1993), формальная аргументация для принятия решений в ИИ (например, Amgoud and Prade, 2009) и теории аргументации в социальной и эволюционной психологии (например, Mercier and Sperber, 2011).
Реализуемость
Практическое развитие служб поддержки принятия решений требует экспрессивного языка реализации для моделирования и реализации решений и других задач. Символическая процедура принятия решений и модель аргументации оказались эффективной основой для практического языка моделирования решений (Das et al., 1997; Fox and Das, 2000), наиболее разработанной версией которого является опубликованный стандарт (Sutton and Fox, 2003). PROforma10 доказала свою способность моделировать широкий спектр процессов принятия решений таким образом, что клиницисты считают естественным понимать и использовать их. Он был использован для развертывания многих клинических приложений, которые находятся в рутинном использовании (например, служба прямой сортировки NHS в Великобритании 11; поддержка принятия решений междисциплинарными группами, Patkar et al., 2012).PROforma воплощает логические процессы домино в модель задачи. Это язык представления знаний (для моделирования экспертных знаний) и язык программирования (для реализации систем поддержки принятия решений и автономных агентов). Типичная модель проформы - это сеть решений, планов и других задач, которые могут быть реализованы в заранее определенной последовательности, одновременно или в ответ на обстоятельства. Два простых примера сетей показаны на рис. 9.
Рисунок 9
www.frontiersin.org
Рисунок 9. Простые сети задач PROforma (программное обеспечение для разработки поддержки принятия решений Tallis можно загрузить с сайта www.cossac.org/tallis для использования в научных целях).
Первый пример начинается с "запроса" (любой процесс сбора данных, показанный в виде алмаза). Это может быть получение данных из многих источников (например, базы данных, датчика или другого устройства или запрос человека-пользователя или другого агента). Решение (круг), которое следует за запросом, может быть принято только после завершения запроса, что указывается соединительной стрелкой. В решении применяются соответствующие знания для интерпретации данных, полученных до настоящего момента, путем построения и оценки аргументов ЗА и против различных вариантов принятия решений. Одним из вариантов здесь является простое действие (например, отправить пациента домой), а другим-план (например, курс лечения).
Второй пример отражает паттерн принятия решений, называемый SOAP (для обозначения “субъективного”; “объективного”; “оценки”; “плана”), который является мнемоническим знакомым клиницистам, который относится к рутинному процессу сбора истории болезни пациента, принятия решения о том, что делать, а затем делает это. В этом примере есть два запроса: один получает информацию о субъективных жалобах и переживаниях пациента, а другой фиксирует объективные данные, такие как рост, вес и кровяное давление пациента. Не имеет значения, в каком порядке будут получены данные, но решение об оценке может быть принято только после выполнения обеих задач расследования.
Проформа как пример канонической теории.
Как показано в таблице 5, язык PROforma создает экземпляры сигнатур Eqs S1–S8 в канонической структуре, хотя различные интерпретаторы для этого языка реализуют некоторые детали по-разному.
Таблица 5
www.frontiersin.org
Таблица 5. Связь между сигнатурами канона и представлениями задач в языке моделирования PROforma.
Резюме и обсуждение.
Мы кратко рассмотрели традиционные взгляды на принятие решений, включая теорию принятия решений (предписывающие модели, основанные на рациональных аксиомах); науку о принятии решений (описательные, эмпирически обоснованные теории принятия решений) и инженерию принятия решений (методы поддержки людей, принимающих решения, и разработки автономных агентов принятия решений). Основной мотивацией для разработки канонической теории является обеспечение лингва-франка для дискуссий между исследователями и практиками, основанных на общем наборе интуитивных, но четко определенных понятий и процессов. Этот проект будет успешным, если члены сообщества а найдут рамки достаточно универсальными и ясными для описания своей точки зрения на принятие решений членами сообщества В и наоборот, и если последуют продуктивные беседы.
Каноническая структура, разработанная здесь, не вписывается прямо ни в одну из традиционных парадигм. Каноны не являются ни нормативными, ни описательными; мы уже использовали термин “обязательный” в другом месте (Fox, 1981)12. Каноны гласят, что любая общая процедура принятия решений должна каким-то образом отвечать определенным функциональным требованиям (поддержание убеждений, постановка целей, принятие обязательств и т. д.). Однако мы не навязываем никакого конкретного способа, каким должны быть реализованы каноны. То есть каноны формируются на самом высоком из уровней Марра (Marr, 1982): они определяют, какая функция должна быть вычислена, но не принимают никаких обязательств по отношению к задействованным алгоритмам или представлению информации, над которой они работают. Это противоречит нормативной теории, такой как теория ожидаемой полезности, которая обязывает исполнителя обновить убеждение таким образом, чтобы оно было ограничено аксиомами вероятности, а меры ценности должны удовлетворять “рациональным” аксиомам, таким как транзитивность и т. д. Наша единственная претензия заключается в том, что любое предложение для конкретной теории DDM должно каким-то образом реализовать некоторые или все каноны.
Таким образом, явное ограничение нашей программы состоит в том, что каноническая теория не рассматривает подробно конкретные проблемы каждого сообщества исследователей решений. Психологические механизмы недостаточно конкретизированы в канонических сигнатурах, чтобы делать прогнозы о том, как на самом деле ведут себя люди, принимающие решения, или как человеческая деятельность отличается от предписывающих норм. Каноны также не могут претендовать на то, чтобы быть аксиомами рационального вывода, такими как те, которые предлагаются статистической теорией принятия решений или математической логикой. Наконец, каноническая форма не предлагает инструментов для разработки практических приложений. Тем не менее каноническая структура может иметь преимущества для специалистов-исследователей во всех трех традициях, поскольку общие каноны могут быть созданы для конкретных целей с помощью конкретных процедур или механизмов. В заключение мы кратко обсудим некоторые преимущества, которые эта система может предложить теоретикам, ученым и инженерам.
Вклад в теорию принятия решений.
1. Общие каноны познания помогают стимулировать дискуссию между сообществами с различными теоретическими обязательствами. Вера обслуживанию канон экв. Например, S1 может быть создан с помощью вероятностного вывода, нечеткой логики, рассуждений по умолчанию и т. д. Они часто рассматриваются как конкуренты, но, на наш взгляд, было бы более полезно рассматривать их как альтернативные способы моделирования неопределенных рассуждений для решения различных требований и ограничений.
2. Каноны предлагают более широкий контекст для исследования формальных теорий принятия решений, чем обычно. Классическая теория ожидаемой полезности, например, “не может дать никакого научного совета” о том, когда требуется решение или что имеет отношение к его формулировке (Lindley, 1985). Это серьезно ограничивает сферу применения современной теории, и каноническая структура предлагает ряд способов расширения нормативных моделей.
Вклад в науку о принятии решений.
1. Канонические формы могут быть использованы для предоставления функциональных объяснений поведенческих, клинических или неврологических данных, полученных в задачах принятия решений, а также для сопоставления нейро-анатомической организации и когнитивных функций (Shallice and Cooper, 2011).
2. Эта теория соединяет “народную " психологию, рассуждения здравого смысла, теории агентов в ИИ и философские теории разума и потенциально взаимодействует с лексикой гуманитарных наук и повседневным дискурсом.
3. Каноническая теория предоставляет рамки, которые могут помочь разрешить споры, возникающие из различных предположений о методологии. Современный спор в когнитивной науке, например, касается того, ограничиваются ли психологические теории данными нейробиологии и наоборот. Колтхарт (Coltheart, 2006) утверждал, что истинная психологическая теория существует на таком уровне абстракции, что данные о неврологической реализации познания в принципе не могут подтвердить или опровергнуть эту теорию. Абстрактная когнитивная теория, которую ищет Колтхарт, находится на каноническом уровне – она может информировать психологическую теорию на функциональном уровне, но не должна сталкиваться с деталями реализации, характерными для человеческого познания.
Вклад в разработку решений.
1. Абстрактные сигнатуры недостаточно конкретизированы, чтобы быть непосредственно вычислимыми, но существует явно много конкретных алгоритмов, которые будут принимать в качестве входных данных данные типов, указанных “выше линии“, и генерировать в качестве выходных данных данные типов, указанных”ниже линии " 13. Вместо того, чтобы просто сделать теорию слишком расплывчатой, чтобы быть полезной, это имеет практический смысл, что мы могли бы проектировать и внедрять системы принятия решений, собирая их из стандартных компонентов, которые соответствуют сигнатурам, не зная внутренних механизмов.
2. Ответственность за принятие практических решений часто распределяется между профессиональными группами, и в будущем такие группы будут все чаще поддерживаться автоматизированными службами. Например, в системе управления чрезвычайными ситуациями отдельные подсистемы будут отвечать за сбор данных, в то время как другие будут обязаны интегрировать данные из нескольких источников и “оценивать их смысл, значение, актуальность и надежность; решать, каковы варианты действий, и принимать эффективные решения” (Carver and Turoff, 2007, p. 34). Столкнувшись с такой сложностью, проектировщики захотят спроектировать системы, использующие стандартные модули для принятия решений, планирования, коммуникации и т. д. а каноническая модель предлагает способ задания и связывания таких модулей.
Вывод.
В этой статье мы рассмотрели весь цикл DDM: распознавание и формулирование проблемы в свете текущих убеждений; уточнение и приоритизация целей; генерация вариантов, которые позволили бы достичь текущих целей; оценка предпочтений по сравнению с вариантами; и агрегирование предпочтений для выбора наилучшего. Мы не стремились разработать какую-либо новую теорию, связанную со спецификой какой-либо из этих возможностей. Скорее, наш подход состоял в том, чтобы разработать чрезмерную структуру, которая включает в себя конкретные теории этих отдельных подпроцессов и понимает, как они связаны друг с другом.На наш взгляд, теоретическое понимание процессов, связанных с ДДМ человека, развивается, но несколько хаотично, когда многие конкурирующие исследовательские традиции, теоретические концепции и инженерные методы соперничают за первенство. Мы надеемся, что наша дискуссия продемонстрировала наличие потенциала для создания междисциплинарных рамок, способствующих конструктивному обсуждению между сообществами, ведущему к сотрудничеству и даже синергии, а не конкуренции.
Заявление о конфликте интересов.
Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.
Источники: https://doi.org/10.3389/fpsyg.2013.00150