Administrativ information
| Titel | Beslutsteori |
| Varaktighet | 60 |
| Modul | A |
| Typ av lektion | Föreläsning |
| Fokus | Tekniska – Grunderna för AI |
| Ämne | Grunderna för AI |
Nyckelord
konsekvensialism, subjektivism, sannolikhetsteori, bruksteori, beslutsteori, optimalt beslut, begränsad rationalitet, tillfredsställande, kognitiv bias, effektiv altruism, off-switch-spel, sekventiella beslut, informationsvärde, multi-armed bandit, prospekterings-exploatering dilemma,
Lärandemål
- Eleven blir bekant med icke-kvantitativa och kvantitativa metoder för etik
- eleverna kan definiera och beräkna optimala beslut med hjälp av univariate distributioner och verktygs-/förlustfunktioner
- eleverna kan känna till elementen i beslutsnätverk: stokastiska/åtgärdsnoder/nyttighetsnoder
- studenter kan känna till och tillämpa Bayes’ regel (multivariat)
- eleverna kan bygga en Naive Bayesian Network (NBN) modell
- studenter kan expandera NBN till ett NBN-baserat beslutsnätverk
- eleverna kan beräkna värdet av perfekt information
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
- Sannolikhetsfördelning, villkorad sannolikhet, förväntat värde (t.ex. från AIMA4e eller wikipedia)
- Påverkansdiagram
Valfritt för studenter
- Artificiell intelligens: A Modern Approach, 4:e Global ed. av Stuart Russell och Peter Norvig, Pearson (AIMA4e):ch12–18
Referenser och bakgrund för studenter
- AIMA4e:ch12–18
Rekommenderas för lärare
- AIMA4e:ch12–18
- Naiva Bayes Classifier
Instruktioner för lärare
- Anpassa den grundläggande trippelnoden beslutsnät
- Hitta de bästa och sämsta besluten
- Anpassa det naiva Bayes-nätet
- Hitta de mest värdefulla bevisen (funktion)
- Under aktiviteter i klassen, be eleverna att gissa optimala beslut
Skiss/tidsschema
| Varaktighet | Beskrivning | Begrepp | Verksamhet | Material |
|---|---|---|---|---|
| 5 | Källor till osäkerhet och tolkningar av sannolikhet | osäkerhet | ||
| 5 | Bernoulli och multinomial distributioner | univariata fördelningar | ||
| 5 | Axiom av sannolikhetsteori (additivitet) | sannolikhetsteori | ||
| 5 | Element och grafisk notation om ett problem med ett beslut i ett steg: beslutsnätverket för stokastiska→nytta/förlust←aktionsnoder | beslutsproblem | ||
| 5 | Utnyttjnings- och förlustfunktioner, vanliga förlustfunktioner och matriser | preferenser | ||
| 5 | Förväntat värde, principen om maximal förväntad nytta | optimalt beslut | ||
| 5 | Villkorad sannolikhet och Bayes sats (för två variabler och med tillstånd) | villkorad sannolikhet | ||
| 5 | Oberoende och villkorat oberoende | självständighet | ||
| 5 | Exempel på ett Naive Bayesian-nätverk | Naiva Bayes-nät | ||
| 5 | Exempel på beslutsnätverk baserat på ett Naive Bayesian-nätverk | |||
| 5 | Posterior inference och val av optimalt beslut | posterior inference | ||
| 5 | Mellan bevisupptagning och beräkning av informationens värde | informationsvärde |
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.