Decision Making: Uncertainty, Imperfection, Deliberation and Scalability

این جلد بر کشف نیروهای اساسی نهفته در تصمیم‌گیری پویا در میان تصمیم‌گیرندگان متقابل، ناقص و خودخواه تمرکز دارد.

فصل‌ها توسط متخصصان برجسته از رشته‌های مختلف نوشته شده‌اند، همه با در نظر گرفتن موارد متعدد. منابع نقص در تصمیم گیری، و همیشه با توجه به کاهش تناقضات بی شمار بین تئوری و تصمیم گیری انسان در دنیای واقعی.

موضوعات مطرح شده شامل عدم قطعیت، هزینه مشورت و پیچیدگی ناشی از مقیاس بزرگ محاسباتی ذاتی است. تصمیم‌گیری در این سیستم‌ها.

به‌ویژه، تحلیل‌ها و آزمایش‌هایی ارائه می‌شوند که به موارد زیر مربوط می‌شوند:

• تخصیص کار برای به حداکثر رساندن «خرد جمعیت»؛

p>• طراحی جامعه ای از روبات های «آموزشی» که حالات عاطفی یکدیگر را در نظر می گیرند؛

• تشخیص و مقابله با تصمیم گیری های به ظاهر غیر منطقی انسانی؛

• مقابله با مقیاس شدید هنگام یادگیری علیت در شبکه ها؛

• ترکیب کارآمد دانش متخصص در پزشکی شخصی شده؛

• اثرات شخصیت بر تصمیم گیری پرخطر.

حجم. منبع ارزشمندی برای محققان، دانشجویان فارغ التحصیل و شاغلین در یادگیری ماشین، کنترل تصادفی، روباتیک، و اقتصاد، در میان سایر زمینه ها است.

This volume focuses on uncovering the fundamental forces underlying dynamic decision making among multiple interacting, imperfect and selfish decision makers.

The chapters are written by leading experts from different disciplines, all considering the many sources of imperfection in decision making, and always with an eye to decreasing the myriad discrepancies between theory and real world human decision making.

Topics addressed include uncertainty, deliberation cost and the complexity arising from the inherent large computational scale of decision making in these systems.

In particular, analyses and experiments are presented which concern:

• task allocation to maximize “the wisdom of the crowd”;

• design of a society of “edutainment” robots who account for one anothers’ emotional states;

• recognizing and counteracting seemingly non-rational human decision making;

• coping with extreme scale when learning causality in networks;

• efficiently incorporating expert knowledge in personalized medicine;

• the effects of personality on risky decision making.

The volume is a valuable source for researchers, graduate students and practitioners in machine learning, stochastic control, robotics, and economics, among other fields.