Administratieve informatie
| Titel | Beslissingstheorie |
| Looptijd | 60 |
| Module | A |
| Type les | Lezing |
| Focus | Technisch — Stichtingen van AI |
| Onderwerp | Fundamenten van AI |
Sleutelwoorden
consequentialisme, subjectivisme, waarschijnlijkheidstheorie, utiliteitstheorie, beslissingstheorie, optimale beslissing, begrensde rationaliteit, bevrediging, cognitieve vooringenomenheid, effectief altruïsme, off-switch spel, sequentiële beslissingen, waarde van informatie, multi-armed bandiet, exploratie-exploitatie dilemma,
Leerdoelen
- De leerling maakt kennis met niet-kwantitatieve en kwantitatieve benaderingen van ethiek
- studenten kunnen optimale beslissingen definiëren en berekenen met behulp van univariate distributies en utility/loss-functies
- studenten kunnen de elementen van besluitvormingsnetwerken kennen: stochastiek/actie/utility nodes
- studenten kunnen de regel van Bayes kennen en toepassen (multivariate)
- studenten kunnen een Naive Bayesian Network (NBN) model bouwen
- studenten kunnen NBN uitbreiden naar een NBN-gebaseerd beslissingsnetwerk
- studenten kunnen de waarde van perfecte informatie berekenen
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
- Waarschijnlijkheidsverdeling, voorwaardelijke waarschijnlijkheid, verwachte waarde (bijv. van AIMA4e of wikipedia)
- Beïnvloedingsdiagram
Optioneel voor studenten
- Artificiële intelligentie: Een moderne aanpak, 4e Global door Stuart Russell en Peter Norvig, Pearson (AIMA4e): 12-18
Referenties en achtergronden voor studenten
- AIMA4e:ch12-18
Aanbevolen voor docenten
- AIMA4e:ch12-18
- Naïeve Bayes Classifier
Instructies voor docenten
- Pas het basisbeslissingsnet van het drievoudige knooppunt aan
- Vind de beste en slechtste beslissingen
- Pas het naïeve Bayes-net aan
- Vind het meest waardevolle bewijs (feature)
- Tijdens activiteiten in de klas, vraag studenten om optimale beslissingen te raden
Overzicht/tijdschema
| Looptijd | Omschrijving | Concepten | Activiteit | Materiaal |
|---|---|---|---|---|
| 5 | Bronnen van onzekerheid en interpretaties van waarschijnlijkheid | onzekerheid | ||
| 5 | Bernoulli en multinomiale distributies | univariate distributies | ||
| 5 | Axioma’s van de waarschijnlijkheidstheorie (additiviteit) | waarschijnlijkheidstheorie | ||
| 5 | Elementen en grafische notatie van een beslissingsprobleem in één stap: het beslissingsnetwerk van stochastische→utility/loss←actieknooppunten | beslissingsprobleem | ||
| 5 | Utiliteits- en verliesfuncties, veel voorkomende verliesfuncties en matrices | voorkeuren | ||
| 5 | Verwachte waarde, het maximaal verwachte nutsbeginsel | optimale beslissing | ||
| 5 | Voorwaardelijke waarschijnlijkheid en stelling van Bayes (voor twee variabelen en met voorwaarde) | voorwaardelijke waarschijnlijkheid | ||
| 5 | Onafhankelijkheid en voorwaardelijke onafhankelijkheid | onafhankelijkheid | ||
| 5 | Voorbeeld van een Naive Bayesian netwerk | Naïeve Bayes net | ||
| 5 | Voorbeeld van een beslissingsnetwerk op basis van een Naive Bayesian netwerk | |||
| 5 | Achterste inferentie en selectie van een optimale beslissing | achterste inferentie | ||
| 5 | Tussen bewijsaftrek en berekening van de waarde van informatie | waarde van de informatie |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.