外包|将决策权“外包”给AI靠谱么?( 二 )


“总体而言,在‘小模型’范围内,前景理论的预测精度是上佳的,是迄今为止预测精度最好的风险决策模型之一 。”何黎胜说,“如果我们把视野放到更广阔的‘大模型’(例如深度神经网络等机器学习算法),前景理论等小模型的预测劣势就显现出来了 。”
不久前,美国学者乔舒亚·彼得森等人发表于《科学》的文章,系统地比较了“大模型”与“小模型”(如前景理论)对风险决策行为的预测能力 。结果发现,深度神经网络的预测能力比前景理论高出几个能级 。研究者首先针对10000多个不同的选择问题(涉及概率货币回报的赌博,超过了先前数据集的大小)和人类最终在这些问题中作出的决定,来训练深度神经网络,发现这种网络能够以非常高的准确率模拟人类决策,大大优于现有的(人为)风险选择模型 。
“在我与南丹麦大学教授Pantelis Analytis和宾夕法尼亚大学教授Sudeep Bhatia共同完成的另一项研究中,通过群体智慧算法整合不同的认知与情感因素,我们发现这样的集成模型能显著地提高对决策行为的预测能力 。”何黎胜说,“这里的集成模型也是一种‘大模型’,它的预测精度也超过了前景理论 。”
前景理论提出至今,给后续研究带来极大的启发,成为决策科学中的经典研究 。当前,研究人员在此基础上,利用人工智能和大数据算法,一方面不断完善前景理论,另一方面通过新的技术方法不断拓展决策理论的边界,提高预测精度 。
实现决策智能化
“经过学习和训练,深度神经网络能够模仿人类的行为,它甚至可以像人类在做选择时会有不理性的行为那样,表现出非理性 。”Sudeep Bhatia告诉《中国科学报》,“因此,用它来预测人类决策行为会大大提高预测精度 。”
“人工智能、认知神经科学的发展,将为心理学、决策科学的发展提供有力的研究手段 。”何黎胜说,“得益于学术界和工业界的大模型投入,近年来人工智能和认知神经科学发展迅速,涌现出大量的开创性研究,也为其他学科提供了成熟的研究工具 。”
何黎胜认为,在决策研究中,研究人员会研究不同类型的决策,像风险决策、跨期决策、社会决策、博弈决策等 。目前,对这些不同决策类型的研究和建模工作通常相互独立 。然而,从认知的角度,不同的决策类型必然有互闻共通的认知与情感机制 。“而不同决策类型之间互闻共通的建模研究还非常稀缺,未来完全有可能通过与人工智能、认知神经科学融合,实现不同决策类型的互闻建模 。”
“机器生成理论在决策和管理场景中有巨大的应用潜力,其核心的变革在于管理自动化 。这个转变类似于计算视觉研究中的深度神经网络模型在医学图像处理中的应用 。”何黎胜说 。
目前,管理科学越来越趋向于数据驱动的决策 。在工业界和公共政策等领域,越来越多的公司和组织实验方法(如A/B 测试)获得实证数据,通过分析实证数据达到决策优化的目的 。然而,目前这种数据驱动的决策有不小的局限性 。其中一个重要原因是管理者很多时候面临的是一个复杂的动态系统,是由多种因素交织而成的综合体 。但A/B测试等方法收集到的数据往往是针对某个特定的小点,对复杂决策中多因素之间的交错互动缺乏全局把握,限制了A/B测试实验数据的适用性 。
【外包|将决策权“外包”给AI靠谱么?】“机器生成理论可以更大程度地利用A/B测试等方法收集到的数据 。更为重要的是,机器生成理论足够灵活,我们可以用真实的数据去训练这个系统,让它不断地逼近真实的管理场景 。”何黎胜说,“未来,训练好的机器生成理论模型可以自动地对复杂管理场景中的事件作出反应 。也就是说,机器生成理论有能力将分散的实验数据升华成具有逻辑一致性的体系,实现复杂管理决策的自动化、智能化 。”

猜你喜欢