理性选择与人工智能

也许有必要引入理性机会成本，即放弃的机会，使预期效用等于理性人所追求的效用（理性人使效用最大化）。特别是当存在多个最优解时，这是可能的。理性选择与人工智能应用理性选择理论，需要建立一种生成可用选项的机制。例如，在从约翰内斯堡到纽约的旅行中，可用的选项是通过将从约翰内斯堡到纽约的所有路线连接起来，一次中途停留，然后两次，然后三次等等。可用的选项很多。例如，有一个通货膨胀目标的问题已经被广泛研究，其目标是使用经济变量，包括以前的利率来预测通货膨胀率，然后确定产生预期通货膨胀的利率（Marwala，2012）。采用这些经济变量并将其映射到通货膨胀率的模型可以使用神经网络和任何其他学习机实现（Marwala和Lagazio，2011）。信息最佳效用选项Generatorneural networks基于大脑的功能，因此具有大脑的许多属性，例如大脑中的神经元是神经网络的处理元件，树突是组合功能，细胞体是传递功能，轴突是元素输出，突触是权重。

神经网络是一种功能强大的机器，已被用于对复杂系统进行建模（Marwala，2007），估计缺失数据（Abdella andMarwala，2005；Marwala，2009），预测电气故障（Marwala，2012），经济建模（Marwala，2013），理性决策（Marwala，2014），理解因果关系（2015）和模型机械结构（Marwala et al.，2006；Marwala et al.，2017）。这些学习机具有自由参数和激活函数，自由参数是通过一些优化方法从数据中估计出来的。这样，只要给定经济变量，就可以估计利率。基于先前利率预测利率的想法被称为适应性预期理论（Galbács，2015）。适应性期望理论基本上表明，我们可以根据对象的过去来预测其未来。不幸的是，自适应期望理论被发现会由于偏差而导致系统误差。将先前利率之外的其他变量纳入预测未来利率的概念被称为理性预期理论，这消除了系统性偏差和错误（Muth，1971；Sargent，1987；Savin，1987）。在确定了一个基于理性预期理论的预测未来利率的模型后，通过结合使用人工智能、数据融合、大数据和文本分析，该模型变得更加有效，然后可以使用优化例程确定将最大化期望通胀率的利率。能够识别全局最优解的优化方法通常基于进化技术，如遗传算法、粒子群优化和模拟退火（Perez和Marwala，2008）。

遗传算法是一种基于进化原理的随机优化方法，其中变异、交叉和复制用于确定最优解（Crossingham和Marwala，2008）。粒子群优化是一种随机优化方法，它基于在swarmof鸟类识别栖息地时观察到的局部和群体智能原理，该算法可用于识别最优解（Mthembu et al.，2008）。这些优化方法可以在理性选择理论的背景下使用，以确定效用最大化的行动方案。人工智能对理性选择理论的启示如下：（1）人工智能利用文本、图片、互联网等各种格式的信息，并将其融合，对未来做出更好的理性预期，使决策更接近理性选择；（2） 在做出最优选择时，遗传算法（geneticalgorithm）等全局优化方法提供了识别全局最优效用的更高概率，从而使决策更接近理性选择理论。州际冲突和理性选择州际冲突是经济不稳定的主要根源，理性国家的合理行动方针是尽量减少或最大限度地实现和平。这是通过创建一个模型来实现的，该模型采用多个输入变量并预测冲突风险。这种对冲突风险的预测是通过假设理性预期理论来完成的，该理论使用神经网络预测冲突结果（零代表和平，一代表冲突）。这种结果被认为是有用的。

此技术如图3所示。图3使用贝叶斯神经网络和优化方法的反馈控制回路当实施控制策略时，获得了图4所示的结果（Marwala和Lagazio，2011）。这些结果表明，对于以民主为控制二元变量的单一战略方法，286场冲突中有90%是可以避免的。当控制二元变量盟友作为实现和平的唯一变量时，发现286场冲突中有77%是可以避免的。如果将依赖关系或能力作为一个控制变量，286个冲突中的98%和99%都可以避免。就多战略方法而言，当所有可控变量同时用于实现和平时，所有286场冲突都可以避免。优化无输入神经网络（OptimizationNoInputNeural NetworksOutputYes）：结束图4显示了过去可以避免的冲突的比例。这些结果表明，与单一方法相比，所有变量都需要更少的变化才能实现和平。尽管如此，民主和依赖所需的变化与单一战略中这些变量所需的变化仅略有不同，尽管与单一方法相比，联盟和能力所需的变化要少得多。这表明了民主和依赖对实现和平的重要性。从这些结果可以看出，决策者应该注重民主化和经济合作，以最大限度地实现和平。

他们应该根据使用已确定的可控变量进行干预的简单程度和成本效益，以及控制这些变量所需的时间，来确定哪种方法（单个或多个）是最合适的。结论本章介绍了理性选择以及如何通过人工智能的进步改变理性选择。此外，还介绍了理性选择理论如何改变机会成本概念的定义。它提出了一个基于理性预期理论的理性选择框架，用01020304050607080901000民主联盟能力相关性所有可控变量避免冲突神经网络的百分比和优化来改变输入以获得期望输出，从而在输入和输出之间建立因果模型。理性选择理论和人工智能被用来最大限度地实现和平。参考Abdella，M.和Marwala，T.（2005）使用神经网络和遗传算法处理缺失数据。IEEE国际联合神经网络，蒙特利尔，第598-603页。Anonymous（2017）“机会成本”。投资领域。上次检索日期：2017年3月18日。Battiti，R.、Brunato，M.和Mascia，F.（2008年）。反应式搜索和智能优化。Springer Verlag。Becker，G.S.（1976年）。人类行为的经济学方法。芝加哥描述并滚动至章节预览链接。Casagrande，D.（1999年）。“信息作为动词：为认知和生态模型重新定义信息”。生态人类学杂志。3（1）：4–13。内政部：10.5038/21624593.3.1.1。Crossingham，B.和Marwala，T.（2008），使用遗传算法优化HIV数据分析的粗糙集划分大小。智能和分布式计算的进展，《计算智能研究》，第78卷，第245-250Diewert页，W.E。

（2008年）。《成本函数》，《新帕尔格雷夫经济学词典》，第2版目录。Dixit，A.K.（1990年）。《经济理论优化》，第二版，牛津。说明和内容回顾。Dusenbery，D.B.（1992年）。感官生态学。W、 H.弗里曼。，纽约Friedman，J.（1996）。理性选择之争。耶鲁大学出版社。Galbács，P.（2015年）。新古典宏观经济学理论。积极的批评。海德堡/纽约/多德雷赫特/伦敦：斯普林格。Green，D.P.和Shapiro，I.（1994年）。理性选择理论的病理学：政治学应用批判。耶鲁大学出版社。Grüne Yanoff，T.（2012）。“理性选择理论的悖论”。在Sabine Roeser、RafaelaHillerbrand、Per Sandin、Martin Peterson。风险理论手册。第499-516页。内政部：10.1007/978-94-007-1433-5\\U 19。Hedstr"om，P.和Stern，C.（2008年）。“理性选择与社会学”，《新帕尔格雷夫经济学词典》，第2版。摘要Heisenberg，W.（1927），“anschaulichen Inhalt der quantentheoretischen Kinematik undMechanik”，Zeitschrift für Physik（德语），43（3-4）：172-198Hsee，C.K.，Loewenstein，G.f.，Blount，S.，Bazerman，M.H.（1999）。期权联合评估与单独评估之间的偏好反转：回顾与理论分析。《心理通报》125（5），576–590。艾恩斯，B.和C.赫本。2007年，《后悔理论与选择的暴政》《经济报告》（EconomicRecord）。83（261）：191–203。Kahneman，D.（2011年）。思考，快和慢。麦克米伦。Marwala，T.（2015）。理性决策的因果关系、相关性和人工智能。新加坡：世界科学。Lohmann，S.（2008）。“理性选择与政治学”，《新帕尔格雷夫经济学词典》，第2版。摘要Marwala，T.（2015）。

理性决策的因果关系、相关性和人工智能。新加坡：世界科学。ISBN 978-9-814-63086-3。Marwala，T.（2014）。用于理性决策的人工智能技术。海德堡：斯普林格。Marwala，T.（2013）。使用人工智能方法进行经济建模。海德堡：斯普林格。Marwala，T.（2012）。使用计算智能方法进行状态监测。海德堡：斯普林格。Marwala，T.（2010）。使用计算智能技术更新有限元模型：结构动力学应用。海德堡：斯普林格。Marwala，T.（2009）。缺失数据插补、估计和管理的计算智能：知识优化技术。宾夕法尼亚州：IGI Global。ISBN 978-160566-336-4。Marwala，T.（2007年）。复杂系统建模的计算智能。德里：印度研究出版社。Marwala，T.、Boulkaibet，I和Adhikari S。使用贝叶斯统计更新概率有限元模型：航空和机械工程的应用。约翰·威利·安德森，2016，ISBN:978-1-119-15303-0。Marwala，T.和Lagazio，M.（2011年）。使用计算智能进行军事化冲突建模。海德堡：斯普林格。ISBN 978-0-85729-789-1。Marwala，T.、Mahola，U.和Nelwamondo，F.V.（2006）利用分形进行轴承故障检测的隐马尔可夫模型和高斯混合模型。国际互联网络联合会议，第3237-3242MTEMBU，L.，Marwala，T.，Friswell，M.I.和Adhikari，S.（2011），使用粒子群优化的有限元模型选择。《实验力学学会会议录》系列，第1卷，第13卷，《土木结构动力学》，第4卷，Springer London，第41-52页，Tom Proulx（编辑）Muth，J.F。

（1961）《理性预期与价格运动理论》再版于《新古典宏观经济学》。第1卷。（1992）：3-23（国际经济学批判著作图书馆，第19卷。奥尔德绍特，英国：埃尔加）Perez，M.和Marwala，T.（2008）求解数独的随机优化方法。arXiv预印本arXiv:0805.0697里德，D.D.、迪根纳罗·里德，F.D.、乔克，J.和布罗兹纳，G.A.（2011）。“选择的暴政”：选择过载是努力折扣的一个可能例子。《心理记录》，61（4），547-60。Rotemberg，J.和Woodford，M.（1997），“货币政策评估的基于优化的计量经济学框架”，《美国国家经济研究局宏观经济年鉴》，第12卷，第297-346页。Sargent，T.J.（1987）《理性预期》，《新帕尔格雷夫：经济学词典》，第4卷，第76-79页。萨文，N.E.（1987）《理性预期：计量经济学意义》，《新帕尔格雷夫：经济学词典》，第4卷，第79-85页。Schwartz，B.（2005）。选择的悖论：为什么多就是少。哈珀·多年生。森，D.（2014）量子力学中的不确定性关系”（PDF）。当代科学。107（2）：203–218。Simon，H.（1991）。”《有限理性与组织学习》，《组织科学》第2（1）：125–134.Vigo，R.（2011）代表性信息：信息的新的一般概念和衡量标准”，《信息科学》，181:4847–4859。doi:10.1016/j.ins.2011.05.020.Vigo，R（2013）。”广义表征信息理论（GRIT）中不确定性的复杂性：一种对结构敏感的信息一般理论”。信息。4（1）：1–30。doi：10.3390/info4010001.Vigo，R.（2014）。人类概念行为的数学原理：概念表达和处理的结构性质。科学心理学系列，劳特利奇，纽约和伦敦；ISBN 0415714362。von Wieser，F.（1914年）。

社会经济学理论（德语）。纽约：阿德尔菲。