Informazioni amministrative
| Titolo | Teoria delle decisioni |
| Durata | 60 |
| Modulo | A |
| Tipo di lezione | Lezione |
| Focus | Tecnico — Fondamenti dell'IA |
| Argomento | Fondamenti dell'IA |
Parole chiave
consequenzialismo, soggettivismo, teoria della probabilità, teoria dell'utilità, teoria decisionale, decisione ottimale, razionalità limitata, soddisfazione, pregiudizio cognitivo, altruismo efficace, gioco off-switch, decisioni sequenziali, valore dell'informazione, bandito multi-armato, dilemma esplorativo-sfruttamento,
Obiettivi di apprendimento
- Lo studente conosce approcci non quantitativi e quantitativi all'etica
- gli studenti possono definire e calcolare decisioni ottimali utilizzando distribuzioni univariate e funzioni di utilità/perdita
- gli studenti possono conoscere gli elementi delle reti decisionali: nodi stocastici/azione/utility
- gli studenti possono conoscere e applicare la regola di Bayes (multivariato)
- gli studenti possono costruire un modello Naive Bayesian Network (NBN)
- gli studenti possono espandere NBN a una rete decisionale basata su NBN
- gli studenti possono calcolare il valore delle informazioni perfette
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
- Distribuzione di probabilità, probabilità condizionale, valore atteso (ad es. da AIMA4e o wikipedia)
- Diagramma di influenza
Facoltativo per gli studenti
- Intelligenza artificiale: A Modern Approach, 4th Global ed. di Stuart Russell e Peter Norvig, Pearson (AIMA4e):ch12-18
Referenze e background per gli studenti
- AIMA4e:ch12-18
Consigliato per gli insegnanti
- AIMA4e:ch12-18
- Classificatore naive Bayes
Materiale didattico
Istruzioni per gli insegnanti
- Adattare la rete di decisione del triplo nodo di base
- Trova le decisioni migliori e peggiori
- Adatta la rete ingenua di Bayes
- Trova le prove più preziose (caratteristica)
- Durante le attività in classe, chiedere agli studenti di indovinare le decisioni ottimali
Schema/orario
| Durata | Descrizione | Concetti | Attività | Materiale |
|---|---|---|---|---|
| 5 | Fonti di incertezza e interpretazioni della probabilità | incertezza | ||
| 5 | Bernoulli e distribuzioni multinomiali | distribuzioni univariate | ||
| 5 | Assiomi della teoria della probabilità (additività) | teoria della probabilità | ||
| 5 | Elementi e notazione grafica di un problema decisionale in un'unica fase: la rete decisionale dei nodi stocastici→utility/loss←action | problema decisionale | ||
| 5 | Funzioni di utilità e perdita, funzioni comuni di perdita e matrici | preferenze | ||
| 5 | Valore atteso, il principio di utilità massima prevista | decisione ottimale | ||
| 5 | Probabilità condizionale e teorema di Bayes (per due variabili e con condizione) | probabilità condizionata | ||
| 5 | Indipendenza e indipendenza condizionata | indipendenza | ||
| 5 | Esempio di rete naive bayesiana | Rete naive Bayes | ||
| 5 | Esempio di rete decisionale basata su una rete naive Bayesiana | |||
| 5 | Inferenza posteriore e selezione della decisione ottimale | inferenza posteriore | ||
| 5 | Tra l'inferenza degli elementi probatori e il calcolo del valore delle informazioni | valore delle informazioni |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.