Como as pessoas devem tomar decisões quando os resultados de suas escolhas são incertos e a incerteza é descrita pela teoria da probabilidade?
Essa é a questão enfrentada por Prakash Shenoy, o ilustre professor de Inteligência Artificial de Ronald G. Harper na Escola de Negócios da Universidade de Kansas.
Sua resposta pode ser encontrada no artigo “Uma teoria da utilidade com valor de intervalo para tomada de decisão com funções de crença Dempster-Shafer”, que aparece na edição de setembro do International Journal of Approximate Reasoning.
“As pessoas presumem que você sempre pode atribuir probabilidades a eventos incertos”, disse Shenoy.
“Mas na vida real, você nunca sabe quais são as probabilidades. Você não sabe se são 50 por cento ou 60 por cento. Esta é a essência da teoria das funções de crença que Arthur Dempster e Glenn Shafer formularam na década de 1970.”
Seu artigo (co-escrito com Thierry Denoeux) generaliza a teoria da tomada de decisão desde a probabilidade até as funções de crença.
“A teoria da decisão de probabilidade é usada para fazer qualquer tipo de escolha de alto risco. Como devo aceitar um novo emprego ou uma proposta de casamento? Algo muito em jogo. Você não precisaria disso para onde ir almoçar”, disse ele.
“Mas, em geral, nunca sabemos o que vai acontecer. Você aceita um emprego, mas pode acabar tendo um péssimo chefe. Há muitas incertezas. Você pode ter duas ofertas de emprego, então você tem que decidir duas opções do que aceitar. Em seguida, você analisa os prós e os contras e atribui probabilidades a eles. As probabilidades são boas quando você tem muitas repetições. Mas se for uma coisa única, você não pode ‘calcular a média de seus ganhos’. ”
Uma das primeiras respostas a essa pergunta foi fornecida por John von Neumann e Oskar Morgenstern em seu livro de 1947 “Theory of Games and Economic Behavior”, disse Shenoy. Em 1961, Daniel Ellsberg mostrou por meio de experimentos que a teoria da decisão de von Neumann e Morgenstern não era descritiva do comportamento humano, especialmente quando havia ambigüidade na representação da incerteza pela teoria da probabilidade.
No final dos anos 60 e meados dos anos 70, Arthur Dempster e Glenn Shafer (que foi um ex-membro do corpo docente da KU em matemática e negócios) formularam um cálculo de incerteza chamado funções de crença que era uma generalização da teoria da probabilidade, que era mais capaz de representam ambigüidade. No entanto, não havia teoria da decisão para tomar decisões quando a incerteza era descrita por essa teoria.
O artigo de Shenoy fornece a primeira formulação de uma teoria para a tomada de decisão quando a incerteza é descrita pelas funções de crença de Dempster-Shafer, que é análoga à teoria de von Neumann-Morgenstern. E Shenoy disse que essa teoria é mais capaz de explicar as descobertas experimentais de Ellsberg para escolhas sob ambigüidade.
O professor abordou Denoeux sobre o assunto pela primeira vez há três anos, quando ambos conversavam com alunos de doutorado.
“(Denoeux) analisou todas as teorias de tomada de decisão com funções de crença. Depois, fui e disse a ele: ‘Tudo isso que você disse é insatisfatório.’ E ele concordou comigo! Eu disse que gostaria de trabalhar com ele nisso. Então, ele me enviou um convite. ”
Shenoy se candidatou a um ano sabático e, em seguida, foi para a França na primavera de 2019, onde passou cinco meses colaborando com Denoeux na Université de Technologie de Compiègne.
?Foi culturalmente muito enriquecedor e profissionalmente gratificante?, disse ele.
Agora em seu 43º ano na KU, Shenoy continua um especialista em raciocínio incerto e suas aplicações à inteligência artificial. Ele é o inventor de Valuation-Based Systems (VBS), uma arquitetura matemática para representação de conhecimento e inferência que inclui muitos cálculos de incerteza. Sua arquitetura VBS é usada atualmente para fusão multissensor em mísseis balísticos para o Departamento de Defesa dos EUA.
Ele espera que sua pesquisa mais recente possa beneficiar aqueles que dependem de funções de crença.
“Isso inclui muitas pessoas nas forças armadas, por exemplo”, disse Shenoy. “Eles gostam de funções de crença por causa de sua flexibilidade e querem saber como você toma decisões. E se você vai reduzir tudo a probabilidades no final, por que não usar probabilidades para começar?”
Publicado em 19/09/2020 14h47
Artigo original:
Estudo original:
Artigo relacionado:
Achou importante? Compartilhe!
Assine nossa newsletter e fique informado sobre Astrofísica, Biofísica, Geofísica e outras áreas. Preencha seu e-mail no espaço abaixo e clique em “OK”: