決策智能化:人工智能時代的重要理論

2019-10-23 17:52 來源:神譯局
瀏覽量: 收藏:0 分享

  數據是美麗的,但最重要的卻是決策。決策就是任意實體在各種選項之間做出選擇。研究AI,需要深入理解決策智能化,我們往往可以從定量和定性角度考慮,定量主要涉及數據科學,定性涉及社會、管理科學。本文編譯自Medium,作者Cassie Kozyrkov,原文標題 "Introduction to Decision Intelligence"。

  在大草原上,有人心中想著避開獅子;回到現實社會,有人想成為AI領導者,想設計數據倉庫:二者有何相似之處?它們都涉及到“決策智能化”(Decision intelligence )。

  決策智能化是一種新學術理論,它涉及到選擇的方方面面。決策智能科學將數據科學、社會科學、管理科學融為一體,幫助大家用數據改善生活、優化企業、改變世界。AI時代來臨,決策智能變得越發重要。

  總之,決策智能化的目標就是將信息轉化為更好的行動,不論規模如何都能處理。

  今天我們簡單介紹一下決策智能科學的基本術語和概念。

  什么是決策

  數據是美麗的,但最重要的卻是決策。數據貫穿我們的決策,貫穿我們的行動,影響我們周圍的世界。

  什么是“決策”?我們認為決策就是任意實體在各種選項之間做出選擇。

  計算機系統給圖片做標注,指出圖中動物是不是貓,這是決策;掌管項目的人類領導做出決策,看看是不是推出系統,這也是決策。

  決策制定者是什么

  我們這里所說的“決策制定者”,不是掌控項目團隊的利益相關方或者投資者,而是左右決策架構、情境框架的人。換言之,他精心設計,是創作者而非破壞者。

  決策制定

  許多學科都用到“決策制定”這一術語,使用時意義各有不同,它的意思可能是這樣的:

  ——在有其它替代選擇的條件下采取行動(從這個層面講,決策可能是計算機或者蜥蜴做出的)。

  ——履行人類決策制定者的職能,人類決策者為決定承擔責任。雖然計算機系統的確可以制定決策,但是我們不能管它叫“決策制定者”,因為它們不會為結果承擔任何責任,最終責任會落在人類的肩上。

  決策情報分類

  要了解決策智能化,往往可以從定量和定性角度考慮,定量主要涉及數據科學,定性涉及社會、管理科學。

  定性:決策科學

  涉及定性的科學我們稱之為決策科學,決策科學要回答如下問題:

  ——如何設置決策標準,制定指標。(所有)

  ——你選擇的指標是否與激勵相容?(經濟)

  ——應該以怎樣的質量來制定決策?應該為完美信息付出什么代價?(決策分析)

  ——情緒、啟發和偏見在決策制定中扮演怎樣的角色?(心理)

  ——皮質醇水平等生物因素如何影響決策?(神經經濟學)

  ——信息表現形式的變化會給選擇性行為帶來怎樣的影響?(行為經濟學)

  ——在群體環境下做決策時,如果優化結果?(實驗博弈論)

  ——設計決策環境時,如何在海量限制和多級目標之間保持平衡?(設計)

  ——誰將感受到此決定的后果?不同的群體會獲得怎樣的體驗?(UX研究)

  ——此決策目標符合倫理嗎?(哲學)

  這里只是列出一點點,還有很多!

  大腦

  人類不是優化者,而是滿意者,也就是說人類滿足于“足夠好”而非“完美”。

  回到現實,人類利用認知啟發(cognitive heuristics) 來節約時間和精力。許多時候,這樣做很好,如果在大草原上碰到猴子,我們可以第一時間奔跑,不能精心計算然后再行動。“滿足”還可以節約能量,人類大腦就像一臺能耗極高的電子設備,雖然重量不到3磅,但它占用近五分之一的能量。

  99.9%的人不會每天都面臨獅子的威脅,因為“偷工減料”,最終我們的大腦未能為現代環境做好充分的準備。

  深入理解人類大腦的決策機制,理解人類大腦是如何將信息轉化為行動的,這樣我們就可以保護自己,防止自己受到大腦缺陷的影響。我們還可以根據理解開發工具,增強人類能力,讓環境與大腦更加協調。

  如果你認為AI將會淘汰人類,那麻煩你再多思考一會。所有技術都是創作者的反映,大規模運行的系統會放大人類的缺陷,正因如此,如果想成為負責任的AI領導者,必須提高決策智能化能力。

  也許你并沒有做決定

  有時,當你思考自己的決策標準,你會發現世界上沒有任何東西改變你的心智,你已經選擇了自己的行動,現在你只是想讓自己感到更舒服一些。這種認識是有益的,因為它會阻止你浪費時間,幫你重新調整不良情緒,當你做任何事情時,數據真是給人增添無數煩擾。

  除非你碰到未知的事實,需要采取不同的行動,否則沒有必要做決策。當然,接受一些決策分析培訓的確能讓你把事情看得更清楚一些。

  在完美信息之下做決定

  沒有什么比事實更好,當我們做決策時,如果有事實可以依賴,往往會根據事實做決策。正因如此,我們的首要任務就是弄清楚如何處理事實。

  可以用事實做什么

  ——你可以用事實制定非常重要的決策。如果決策真的足夠重要,你會依賴定性因素來幫助自己做決策,力求讓決策更明智。心理學家知道信息可以用你不愿意接受的方式操縱你,所以他們提供許多建議,幫你精選信息——做決策之前預先接收的信息。

  ——你可以用事實鞏固觀點。(從“我期待外面陽光明媚!”變成“我知道外面陽光明媚”)

  ——你可以利用事實做出一個基于存在的重要決策。“我發現隔壁出現一個埃博拉病例,我得趕緊離開。”這就是基于存在的決策。基于存在的決策之所以形成,是因為出現以前未知的事實,它動搖了你的方式方法,你事后才發現自己做決策的環境并不牢固,是草率搭建的。

  ——你可以利用事實讓大量決策實現“自動化”。

  ——你可以利用事實創建自動化解決方案。你可以觀察與系統有關的事實,然后根據觀察編寫代碼。傳統方法會根據思考而非信息來編程,上述方法更好一些。

  ——你可以利用事實獲得最優解決方案,完美解決問題,自動解決。

  ——你可以利用事實啟發自我,告訴自己未來如何制定重要決策。

  ——你可以利用事實評估正在處理的事。

  ——你可以利用事實來制定某些決策,這些決策不是那么重要,利害沒有那么嚴重,制定決策時不需要太過認真,比如:“今天午餐吃什么呢?”如果所有決策都追求完美,最終會導致一生都無法達標,你會被毫無意義的完美主義綁架。不過不要太依賴這種方法,如果你希望提高決策質量,還是需要更嚴格的要求。

  用決策科學訓練自我,當我們需要做出基于存在的決策時,可以節省精力,換言之,用相同的精力我們可以提高整體決策質量。這種方法相當實用,不過要做到真的很難。

  數據收集與數據工程

  如果我們能掌握事實,早就已經掌握了。在今天的世界,我們為信息忙碌。數據工程是一門復雜的科學,如果大規模部署,必須讓信息可靠,這正是數據工程的使命。跑到店鋪買一枚冰淇淋很容易,如果重要信息以電子表格的形式列出來,數據工程同樣很容易。

  不過如果讓你運送200萬噸冰淇淋,還要保證不融化,那就不是易事了。如果你要設計、修建并維護好巨大的倉庫,而且不知道接下來倉庫要存放什么,可能是魚,也可能是钚,那難度就更大了。

  對于決策智能來說,數據工程只是兄弟姐妹,是關鍵合作學科;數據科學包含大量傳統專業知識,我們用這些知識設計、管理事實。

  定量:數據科學

  當你制定決策,查看所有需要的事實,用搜索引擎或者分析方式獲取事實,最終剩下的只有執行。你執行完畢,不需要數據科學。

  如果給出的事實并不是可以幫你做決策的理想事實呢?如果只是部分事實呢?也許你需要的是明天的事實,但你擁有的只是過去的事實,怎么辦?

  也許你想知道所有潛在用戶對你的產品有何看法,但你只問了幾百個人的意見。于是乎,你做決策時就會存在不確定性。你所知道的并不是你想知道的。怎么辦?讓數據科學來幫你。

  很明顯,當你發現擁有的現實并不是自己需要的事實時,就要修改方法策略。可能它們只是大謎題中的小謎題,也許它們是錯誤的謎題,但你找不到更好的。

  當你無可奈何,只能超越數據時,數據科學就會變得有趣起來,不過要小心,不要犯下伊卡魯斯(Icarus)一樣的錯誤(伊卡魯斯乘著父親做的人工翅膀逃離克里特,由于離太陽太近以致粘翅膀用的蠟溶化了)。

  總之,我們可以從之前封閉固定的學科中汲取智慧,用這些智慧來提高決策效率,決策智能化的本質正在于此。我們對決策智能化有著多種多樣的看法,決策智能化將這些看法融合在一起,讓我們變得更強大更凝固,最終幫助人類打破傳統限制。

  我們可以用廚房AI來類比,如果AI研究的目的是想開發新式微波爐,將AI植入微波爐,那么決策智能化的使命就是讓微波爐安全達到目標,并且在不需要使用微波爐時可以使用其它東西。目標往往是決策智能化的起點。

標簽:

責任編輯:bozhihua
在線客服
香港频果报彩图