Administrative oplysninger
| Titel | Beslutningsteori |
| Varighed | 60 |
| Modul | A |
| Lektionstype | Forelæsning |
| Fokus | Teknisk — Grundlæggelser af kunstig intelligens |
| Emne | Fundamentet for AI |
Nøgleord
konsekvensisme, subjektivisme, sandsynlighedsteori, nytteteori, beslutningsteori, optimal beslutning, bundet rationalitet, tilfredsstillelse, kognitiv bias, effektiv altruisme, off-switch spil, sekventielle beslutninger, værdi af information, multi-armed bandit, udforskning-udnyttelse dilemma,
Læringsmål
- Den lærende bliver bekendt med ikke-kvantitative og kvantitative tilgange til etik
- studerende kan definere og beregne optimale beslutninger ved hjælp af univariate distributioner og nytte-/tabsfunktioner
- studerende kan kende elementerne i beslutningsnetværk: stokastisk/handling/forsyningsknuder
- studerende kan kende og anvende Bayes "regel (multivariate)
- studerende kan konstruere en Naive Bayesian Network (NBN) model
- studerende kan udvide NBN til et NBN-baseret beslutningsnetværk
- studerende kan beregne værdien af perfekt information
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
- Sandsynlighedsfordeling, betinget sandsynlighed, forventet værdi (f.eks. fra AIMA4e eller wikipedia)
- Påvirkningsdiagram
Valgfrit for studerende
- Kunstig intelligens: En moderne tilgang, 4. globale ed. af Stuart Russell og Peter Norvig, Pearson (AIMA4e):
Referencer og baggrund for studerende
- AIMA4e:ch12-18
Anbefalet til lærerne
- AIMA4e:ch12-18
- Hoteller i nærheden af Naive Bayes Classifier
Undervisningsmaterialer
Instruktioner til lærerne
- Tilpas den grundlæggende tredobbelte node beslutning netto
- Find de bedste og værste beslutninger
- Tilpas det naive Bayes-net
- Find de mest værdifulde beviser (feature)
- Under aktiviteter i klassen, bede eleverne om at gætte optimale beslutninger
Oversigt/tidsplan
| Varighed | Beskrivelse | Koncepter | Aktivitet | Materiale |
|---|---|---|---|---|
| 5 | Kilder til usikkerhed og fortolkning af sandsynlighed | usikkerhed | ||
| 5 | Bernoulli og multinomiale distributioner | univariate distributioner | ||
| 5 | Aksiomer af sandsynlighedsteori (additivitet) | sandsynlighedsteori | ||
| 5 | Elementer og grafisk notation af et enkelttrinsbeslutningsproblem: beslutningsnetværket af stokastiske→utilitet/tabsknudepunkter | beslutningsproblem | ||
| 5 | Nytte- og tabsfunktioner, almindelige tabsfunktioner og matricer | præferencer | ||
| 5 | Forventet værdi, princippet om maksimal forventet nytteværdi | optimal beslutning | ||
| 5 | Betinget sandsynlighed og Bayes' sætning (for to variabler og med tilstand) | betinget sandsynlighed | ||
| 5 | Uafhængighed og betinget uafhængighed | uafhængighed | ||
| 5 | Eksempel på et Naive Bayesian netværk | Naive Bayes net | ||
| 5 | Eksempel på beslutningsnetværk baseret på et Naive Bayesian-netværk | |||
| 5 | Efterfølgende slutning og udvælgelse af optimal beslutning | efterfølgende slutning | ||
| 5 | Mellem evidensslutning og beregning af oplysningernes værdi | værdien af oplysningerne |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.