Inteligência de Decisão

Como um sistema pode escolher uma ação sob incerteza e mostrar por que a escolha supera as alternativas?

Previsões não são decisões. A probabilidade de um cliente pagar não diz se é melhor ligar, esperar ou escalar, porque a ação certa depende de custos, e não só da probabilidade.

A teoria da decisão liga probabilidade a custo. Escolher a ação de maior utilidade esperada torna o trade-off explícito e permite reutilizar o mesmo modelo quando os custos mudam.

a* é a ação escolhida, U a utilidade da ação a, e a esperança é tomada sobre o resultado incerto dado o que se sabe, x.

1. Definir as ações e o custo de cada desfecho.

2. Estimar as probabilidades dos desfechos e checar a calibração.

3. Calcular a utilidade esperada por ação e escolher o máximo.

4. Mostrar a decomposição, para que uma pessoa veja qual termo decidiu.

1. Evidência x

2. Modelo de desfechos P

3. Utilidade U

4. Utilidade esperada por ação

5. Escolha

6. Explicação

Nenhum experimento publicado. O laboratório de Avaliação de Agentes calcula um limiar de confiança de custo mínimo com dados sintéticos, e o de Otimização de Decisão escolhe ações sob um limite de capacidade.

Avaliação de Agentes · Otimização de Decisão

Nenhum resultado original de pesquisa é afirmado. Esta área é apresentada como perspectiva técnica, com uma demonstração computável sobre dados sintéticos.

• A utilidade esperada exige custos difíceis de estimar.
• Uma probabilidade mal calibrada torna a melhor ação errada.
• Limites de equidade e regulatórios pertencem às restrições, não à utilidade.

Leitura de fundamentação de outros autores. Não são publicações da Menlo Tech, e nenhum artigo da Menlo Tech é citado porque nenhum foi publicado.

• Berger, J. Statistical Decision Theory and Bayesian Analysis, 2nd ed. Springer, 1985.