Un Expert en Intelligence Artificielle lance une nouvelle Théorie pour la Prise de Décision
Comment les gens devraient-ils choisir lorsque les résultats de leurs options sont incertains et définis de manière imprévisible par la théorie des probabilités ?
C’est la question rencontrée par Prakash Shenoy, professeur émérite d’intelligence artificielle Ronald G. Harper à la University of Kansas Institution of Business.
Sa solution se trouve dans le court article « An Interval-Valued Utility Theory for Choice Making with Dempster-Shafer Idea Functions », qui paraît dans le numéro de septembre de l’International Journal of Approximate Thinking.
“Les individus supposent que vous pouvez toujours connecter des probabilités à des événements incertains”, a déclaré Shenoy.
« Mais dans la vraie vie, vous ne comprenez jamais quelles sont les chances. Vous ne savez pas si c’est la moitié de 60 pour cent. C’est l’essence du concept de fonctions d’idées qu’Arthur Dempster et Glenn Shafer ont créé dans les années 1970. »
Son article (coécrit avec Thierry Denoeux) généralise le concept de prise de décision de la possibilité aux fonctions de croyance.
« La théorie du choix aléatoire est utilisée pour faire tout type de choix à enjeux élevés. Comme dois-je accepter une nouvelle tâche ou une proposition de relation conjugale ? Quelque chose de gros enjeux. Vous n’en auriez pas besoin pour savoir où aller déjeuner », a-t-il affirmé.
« Mais en général, on ne comprend jamais ce qui va se passer. Vous acceptez une tâche, mais vous pourriez finir par avoir un gestionnaire négatif. Il y a beaucoup d’imprévisibilité. Vous pourriez avoir deux offres de travail, vous devez donc décider de deux choix à accepter. Ensuite, vous faites des avantages et des inconvénients et vous y connectez des probabilités. Les probabilités sont grandes lorsque vous avez beaucoup de représentants. Mais s’il s’agit d’un point ponctuel, vous ne pouvez pas « faire la moyenne de vos jackpots ».
L’une des premières solutions à cette question a été fournie par John von Neumann et Oskar Morgenstern dans leur publication de 1947 “Theory of Gamings and Economic Habits”, a déclaré Shenoy. En 1961, Daniel Ellsberg a révélé à l’aide d’expériences que le concept de choix de von Neumann et Morgenstern n’était pas descriptif des actions humaines, principalement lorsque l’ambiguïté était représentée par l’imprévisibilité par la théorie des probabilités.
À la fin des années 60 et au milieu des années 70, Arthur Dempster et Glenn Shafer (un ancien professeur de mathématiques et d’entreprise à la KU) ont développé un calcul d’incertitude appelé caractéristique de croyance qui était une généralisation de la théorie des probabilités bien mieux capable de représenter l’incertitude. Cependant, il n’y avait pas de théorie de la décision pour choisir quand cette théorie décrivait l’imprévisibilité.
Le court article de Shenoy fournit la première formulation d’une théorie pour la prise de décision lorsque l’incertitude est définie par les fonctions d’idée de Dempster-Shafer comparables à la théorie de von Neumann-Morgenstern. Et Shenoy a déclaré que ce concept est bien mieux à même de clarifier les conclusions spéculatives d’Ellsberg pour les options dans l’obscurité.
Le professeur avait d’abord approché Denoeux à ce sujet trois ans plus tôt alors que tous deux discutaient avec des doctorants.
« (Denoeux) a expérimenté toutes les théories de la prise de décision avec des caractéristiques de croyance. Par la suite, je suis allé lui dire aussi : « Tout ce que vous prétendez est décevant. Et aussi il était d’accord avec moi ! J’ai dit que j’aimerais venir m’occuper de lui à ce sujet. Alors, il m’a envoyé une invitation.
Shenoy a recherché un congé sabbatique, puis s’est rendu en France au printemps 2019, où il a passé cinq mois à travailler avec Denoeux à l’Université de Technologie de Compiègne.
“C’était très enrichissant sur le plan culturel et gratifiant”, a-t-il déclaré.
Dans sa 43e année à la KU, Shenoy continue d’être un expert de la pensée incertaine et de ses applications à un système expert. Il est l’inventeur de Valuation-Based Equipment (VBS), un style mathématique pour la représentation et l’inférence d’expertise qui se compose de nombreux calculs d’incertitude. Sa conception VBS est actuellement utilisée pour des combinaisons multicapteurs dans des missiles balistiques pour le Département de la protection des États-Unis.
Il espère que son étude la plus récente pourra profiter à ceux qui s’appuient sur des caractéristiques de croyance.
“Cela inclut beaucoup d’individus dans les forces armées, par exemple”, a déclaré Shenoy. « Ils aiment les fonctionnalités de l’idée en raison de sa flexibilité, et ils veulent savoir comment vous prenez des décisions. Et si vous allez réduire chaque petite chose aux possibilités à la fin, pourquoi ne pas utiliser les opportunités pour commencer ? ».
Lire l’article original sur The University of Kansas.
