Как наблюдение, вероятность и здравый смысл приводят к лучшему принятию решений

Спойлер: Златовласка выживает. Давайте начнем с того, что все могло бы обернуться гораздо хуже. Действительно хуже. Не заходите в чужой дом, ешьте их еду и не спите в их доме. Это просто ежу понятно!

В реальном мире, когда мы принимаем решения, действует гораздо более сложный и сложный внутренний процесс - независимо от того, насколько мгновенно кажется, что разум решает, как делать X, Y или Z. На самом деле люди принимают решения безостановочно с первого раза. до последнего вздоха и, как вид, только продолжает принимать все больше и больше решений на ежедневной основе; некоторые недавние статистические данные показывают, что по состоянию на 2016 год средний человек ежедневно принимает около 35 000 решений.

Итак, учитывая, что мы, люди, просто любим автоматизацию, и мы в целом можем согласиться с тем, что компьютер как процессор потенциально способен принимать гораздо лучшие решения, чем мы (люди), когда ему предоставляется правильная информация для принятия эти решения, тогда казалось, что единственный разумный выбор - это начать все больше и больше зависеть от компьютеров, чтобы уменьшить нашу когнитивную нагрузку. Логично, что компьютер не принимает во внимание человеческие эмоции и так же честен, как коллективный массив исторических данных, на основе которых он может принимать решения в условиях неопределенности.

Однако идея наложения непредвзятого человеческого прикосновения к автономному принятию решений - это то, что действительно интересно для тех, кто думает о будущем!

Неопределенность и байесовские рассуждения

Неопределенность - это линза байесовского мира. При рассмотрении того, как вы принимаете решения или как другой человек примет подобное решение, вы должны учитывать, какие веса и дополнительные противовесы используются при оптимизации для конкретного результата. Рассмотрим утреннюю поездку на работу. Я живу в районе залива, и у нас, возможно, самый плохой транспортный поток в Америке за любой день в течение нормальной рабочей недели. Как бы вы оптимизировали свои утренние или вечерние поездки на работу? Ответ, конечно же, лежит в сфере управляемого человеком автономного интеллекта принятия решений.

Решения, оптимизации и функции затрат

Утренние поездки на работу неопределенны, даже если вооружены нашими историческими и сезонными данными о тенденциях, например, когда увеличение количества аварий из-за первого дождя в году угрожает снизить вероятность того, что вы попадете куда-нибудь вовремя. . Этот первый дождь дар является распределением Пуассона и является примером дополнительных сложностей временных рядов. Существуют дополнительные тактики и эвристики для оптимизации того, как добраться из точки A в точку B, но если все, о котором вы заботитесь, - это самый быстрый путь от A до ›B, тогда вы можете использовать алгоритм поиска по графику, такой как Dijkstra's Алгоритм для выполнения вычисления кратчайшего пути от точки A до точки B с дополнительными весами для каждого ребра, основанными на исторических или сезонных наблюдениях, таких как среднее время преодоления расстояния, заключенного в границу графа - как это делает приложение Waze в реальности. - время для многих пассажиров Bay Area.

Затем возвращается этот вероятностный график, и ваше приложение имеет начальный набор инструкций для того, чтобы добраться до пункта назначения, основанный на временной оценке вашей поездки из пункта А- ›Б, мой офис, с дополнительным слоем отчетов об авариях в режиме реального времени. в качестве дополнительных отрицательных весов стоимости проезда по этим маршрутам.

Это очевидное чрезмерное упрощение, учитывая, что от точки A до точки B может быть очень сложный путь через сотни миль и десятки тысяч вариантов, и выполнение каждого отдельного или непрерывного запроса (обновление на основе изменения условий трафика) в качестве специального запроса. могут сгореть лучшие серверы на рынке или станут нереалистичными в вычислительном отношении из-за эксплуатационных расходов - особенно с учетом того, что эта проблема имеет как временную, так и геопространственную природу.

Мы хотим контролировать

Как я тонко сказал выше «если все, что вас волнует, это самый быстрый путь», тогда у нас есть возможное решение и решение, которое может быть принято более или менее автономно, но в некоторых случаях Как и в моем случае, я бы предпочел утреннюю поездку на работу, которая оптимизировала бы для беззаботной поездки на работу без принятия решений - в этом случае такая, которая может провести меня по проселочным дорогам, чтобы игнорировать заторы на загруженных дорогах, с наименьшим количеством количество ходов. Эта оптимизация является более сложной с точки зрения затрат, учитывая, что человеческие эмоции и разочарование являются самоуверенными и предвзятыми по отношению к человеку, времени суток и многим другим факторам. Но когда дело доходит до принятия решений, не всегда бывает так просто!

Принятие решений бывает всех форм и размеров. От простых решений, основанных на правилах, таких как наденьте куртку, если на улице холодно, накормите домашних животных, чтобы они остались живы, до более сложных задач оптимизации, например, когда обслуживать дорогостоящий автомобиль, например, коммерческий или военный самолет. В основном во всех сценариях решение принимается на основе простых правил или вероятностей, просто вероятности имеют тенденцию быть скорее садом разветвляющихся путей или графическими по своей природе, а правила могут быть автоматически сгенерированы, как в случае регрессии или собранной области знания или и то, и другое.

p (X | E) = вероятность того, что решение или исход (X) произойдет после события (E)

Интеллектуальная система принятия решений в реальном времени и прогнозная аналитика.

Область Decision Intelligence существует уже давно, но она снова набирает тенденцию, учитывая, что компании обращаются к своим данным и интегрированным системам непрерывной аналитики, чтобы помочь в принятии трудных решений или в принятии контролируемых решений, которые не требуют участия человека. -в центре. Гибридный подход, сочетающий старый добрый здравый смысл с современными механизмами принятия решений, - это рецепт для более разумного мира, в котором лица, принимающие решения, смогут лучше выполнять свою работу, не полагаясь только на инстинкты.

Заключение

Возвращаясь к истории Златовласки. Если бы Златовласка жила в наше время (или вообще жила), она была бы более искусной в принятии трудных решений. История будет выглядеть примерно так: Златовласка наткнулась на дом в лесу, она заметила, что этот дом не принадлежит ей, и, хотя она любила исследовать, была немного голодна и чувствовала запах чьей-то каши снаружи дома, который ей нужно будет рассмотреть вероятность потенциально отрицательных или положительных результатов этой приманки.

p (все идет хорошо | идет в дом незнакомцев) = 0,3

Учитывая, что Златовласка недавно закончила курс Вероятностное принятие решений, она быстро провела специальное исследование на тему войти в чужой дом и дала p (все идет хорошо | идет в дом незнакомцев »). ) = 0,3 она решила пойти заказать еду на вынос и посмотреть новый фильм на Netflix!