Upravne informacije
| Naslov | Teorija odločanja |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcije | Predavanje |
| Osredotočenost | Tehnični – temelji umetne inteligence |
| Tema | Temelji umetne inteligence |
Ključne besede
posledičnoializem, subjektivizem, teorija verjetnosti, teorija uporabnosti, teorija odločitev, optimalna odločitev, omejena racionalnost, zadovoljevanje, kognitivna pristranskost, učinkovit altruizem, igra off-switch, zaporedne odločitve, vrednost informacij, multi-oboroženi bandit, dilema raziskovanja-izkoriščanja,
Učni cilji
- Učenec se seznani z nekvantitativnimi in kvantitativnimi pristopi k etiki
- študenti lahko definirajo in izračunajo optimalne odločitve z uporabo enovariate porazdelitve in funkcij uporabnosti/izgube
- učenci lahko poznajo elemente mrež odločanja: stohastična vozlišča/ukrepanje/uporabnost
- študenti lahko poznajo in uporabljajo Bayesovo pravilo (multivariat)
- študenti lahko izdelajo model Naive Bayesian Network (NBN)
- študenti lahko NBN razširijo na omrežje za odločanje, ki temelji na NBN.
- študenti lahko izračunajo vrednost popolnih informacij
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Verjetnostna porazdelitev, pogojna verjetnost, pričakovana vrednost (npr. iz AIMA4e ali wikipedia)
- Diagram vpliva
Neobvezno za študente
- Umetna inteligenca: Sodobni pristop, 4. globalna avtorica Stuart Russell in Peter Norvig, Pearson (AIMA4e):ch12–18
Reference in ozadje za študente
- AIMA4e:ch12–18
Priporočeno za učitelje
- AIMA4e:ch12–18
- Naive Bayes klasifikator
Gradivo za učne ure
Navodila za učitelje
- Prilagodite osnovno trojno vozlišče odločitev neto
- Poiščite najboljše in najslabše odločitve
- Prilagodite naivno mrežo Bayes
- Iskanje najdragocenejših dokazov (znanost)
- Med aktivnostmi v razredu prosite študente, naj uganejo optimalne odločitve.
Oris/časovni razpored
| Trajanje | Opis | Koncepti | Aktivnost | Material |
|---|---|---|---|---|
| 5 | Viri negotovosti in razlage verjetnosti | negotovost | ||
| 5 | Bernoulli in multinomska porazdelitev | enospremenljive porazdelitve | ||
| 5 | Aksiomi teorije verjetnosti (additivity) | teorija verjetnosti | ||
| 5 | Elementi in grafični zapis težave pri odločanju v enem koraku: mreža odločanja stohastičnih→uporabnosti/izgubitvenih vozlišč | težava pri odločanju | ||
| 5 | Uporabne funkcije in funkcije izgube, običajne funkcije izgube in matrike | preference | ||
| 5 | Pričakovana vrednost, načelo največje pričakovane uporabnosti | optimalna odločitev | ||
| 5 | Pogojna verjetnost in Bayesov izrek (za dve spremenljivki in pogoj) | pogojna verjetnost | ||
| 5 | Neodvisnost in pogojna neodvisnost | neodvisnost | ||
| 5 | Primer Naive Bayesian mreže | Mreža za naive Bayes | ||
| 5 | Primer mreže za odločanje, ki temelji na mreži Naive Bayesian | |||
| 5 | Posteriorno sklepanje in izbira optimalne odločitve | posteriorno sklepanje | ||
| 5 | Med sklepanjem dokazov in izračunom vrednosti informacij | vrednost informacij |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).