人工智能/贝叶斯决策理论

贝叶斯决策理论

问题

想象一下，你被一家超市雇佣，进行顾客类型调查，以识别顾客的偏好，例如他们购买的产品类型。假设这家超市特别感兴趣的是识别男女顾客之间购买习惯的差异。计划是在收银台使用自动化系统分配“男性”或“女性”。

特征

根据现有的研究数据，你确定第一次运行要测试这些易于识别的属性

女性通常比男性矮
男性通常比女性头发短

第一个参数相对容易测试；第二个比较困难，因为从图像中可靠地识别头发存在问题。因此，你开始测试，只使用第一个标准来确定结果有多好。

循环信念传播

贝叶斯网络可能“产生幻觉”或更恰当地说产生“妄想”的一种方式是通过概率循环。例如，如果某事物看起来有点像马桶，那么它可能会增加场景是浴室的概率。但“浴室”节点的激活可能会增加“马桶”的概率。随着时间的推移，概率可能会变高，导致信念置信度超过感官数据和先验知识所证明的真实水平。这被称为“循环信念传播”。解决此问题的办法是允许节点 J 的信息传播到节点 K，除了 K 已经发送给 J 的信息。这可以防止这些循环发生，这种解决方案可以使用抑制来实现。循环信念传播实际上已被认为是人类妄想患者正在发生的事情。^[1],

↑ Jardri, R. & Denève, S. (2013). 幻觉的计算模型。在 R. Jardri, A. Cachia, P. Thomas, & P. Delphine (Eds.) 幻觉的神经科学。(pp. 289--313). 纽约，纽约：施普林格。

[JardriDeneve2013-1] Jardri, R. & Denève, S. (2013). 幻觉的计算模型。在 R. Jardri, A. Cachia, P. Thomas, & P. Delphine (Eds.) 幻觉的神经科学。(pp. 289--313). 纽约，纽约：施普林格。