人类人工智能生态系统的经济学：价值偏差和效用损失

然而，创建公用设施的成本例如定义↑ ↓通过设计/重塑/重新制定/组装商品或服务而形成的形式软件升级、营销重塑信息升级软件中的错误、通过使商品和服务更容易在需要的地方获得而产生的废物（可交付的）市场、商店、在山巅销售水缺少库存的商店，当银行需要快餐、营业时间、紧急医疗服务、任务、知识、通过提供专业和个人服务、帮助、指导等创造的服务时，不能通过使货物和服务更容易获得来提供贷款的银行。银行、律师、学术顾问、部长、评论、医生等提供不良服务、虚假和非促销提示，通过所有权转移创建的官僚职位信息沟通营销、教学、回答问题、导航方向等。虚假信息表2：效用类型以及创建正效用和负效用的示例。比特币总是以不同的维度支付。社会对差距风险的感知和意识对于其生存和价值维护至关重要。成本优化行为不具备全价值感知判断功能的人是以默认差距/陷阱为导向的，因为优化成本时免费总是更好。当我们声明我们是行动成本最优的时候，我们应该继续并声明什么范围。在下一节中，我们将讨论解决该问题的几个方面。问题解决中被遗忘的方面规划文献中的大多数方法，尤其是面向目标的方法，仅部分解决了现实世界的复杂性。在现实场景中，几乎每个计划都有额外的阶段。

当一个经纪人实现了他的目标，有时他可以留在他计划的地点，但大多数时候他应该撤退。考虑一下众所周知的物流领域问题，它在许多领域都得到了解决。问题在于包裹将通过轨道和飞机等各种运输方式运送到不同的地点。该领域的目标通常是通过找到最有效（成本最优）的轨迹来匹配并将包裹运送到预先确定的地点。在这一定义的假设下，当卡车司机和飞行员在目标位置时，问题就解决了。计划的撤退阶段没有得到解决，这就把问题的最后阶段交给了那些被定义为预言的人，他们只是卡车或飞机的一部分。如果此类计划进入行业，由于对现实的认知有限，它会给许多价值观带来损害，包括人的价值观和金融价值观，这些价值观被编入了规划的学术建议中。假设目标是高度优先的，必须不惜一切代价实现，我们必须坚持硬目标。这种情况下负责任的解决方案还应规划目标状态，并选择一个计划，以实现一个状态内的目标，该状态将适合撤退或执行以下活动。如果可以从不同的轨迹到达agoal，它将负责不假设在astate中代理的外观在风险和价值方面是相等的。解决具有不同价值目标和限制的复杂系统时，假设在独立于领域的方法中实现的二元判断函数一致，这是一个悖论，对建议解决方案的用户有许多影响。用这种对成就的定义来衡量效率，是一种通过简化复杂性而获得成功的幻觉。

开发不适用于现实世界问题的方法可以创造学术价值，但我们必须意识到，在这种情况下，效用就会丧失。价值定位回顾大多数论文仅报告最终结果，即“完成线的快照”，总的时间效率、寻找解决方案的努力和解决问题的数量。基于“终点线快照”的经验评估遗漏了评估问题解决方法的整个故事。当我们测量复杂和耗时的解决方案时，我们可以从解决问题的过程中获得更多的信息，以及算法在不同复杂情况下的行为。理解为什么一个问题解决了，而另一个问题不在流程层面，而不仅仅是报告问题。每个实验都可以对所提出的方法进行回顾。对测量工程的重视将使我们的研究得到更好的理解和进步。绩效的相对估计本文建议重新考虑绩效的二元判断函数的使用，以确保安全性和有效性。现实世界的问题是动态的，偏好取决于环境，而将成就视为硬目标意味着绝对的价值偏好。相对估计方法更加灵活和现实，尤其是在讨论问题解决的领域独立方法时。必须更仔细地考虑成就和资源津贴的相关性，以扩展到现实世界中的问题解决和领域无关的方法。资源有限和成果多样性的问题是在现有资源范围内选择最理想的，在预算范围内选择，从可供选择的资源中选择，意识到并非所有资源都是允许的。从定义上讲，在这些问题上取得的成就是相对的。

相对估计方法是稀疏的问题解决方法和研究领域之间的桥梁，可以联合力量降低风险并增加价值。Netbene fit planning（Van Den Briel et al.2004；Nigenda and Kambhampati 2005；Baier，Bacchus，and McIlraith 2009；Bonet and Geffner 2008；Benton，Do，and Kambhampati2009；Coles and Coles 2011；Keyder and Geffner 2009）是对实现过程中成本意识到的成就的相对估计。地标的性质（将在以下章节中讨论）允许分阶段工作，如成本保持、投资、损害减少、价值保持；它是通向共同目标的方法和研究的协同组合与合作的天然桥梁。全球-当地视角地标和里程碑，是关于世界的事实或在实现目标的过程中应该做的事情。目标和过程导向方法的桥梁是行动里程碑最近取得成功的原因。根据其逻辑基础，通过actionlandmark实施获得的指导可以解释为将搜索过程分解为本地目标导向的子过程。与全局优化相比，局部优化更适合于实际问题的复杂性。是什么使这些地标成为面向目标和过程的方法的桥梁，是因为行动地标发现的逻辑基础是面向最终过程（目标）。这一观察结果使我们能够确定面向最终过程的方法，并得出以下结论：；1、应根据面向最终过程的方法（基于决策和理性决策理论规划）确定一般的领域独立规划2。

全局优化的关键在于优化标记发现机制和利用，目的是确定目标可达性的合理性。对未来的理性一瞥。通过对问题的分析，可以推断出每个计划中必须发生的事情。地标是我们关于问题过程的唯一合理信息。提取一组固定的标志是对未来的一种展望，预算的分配应基于该信息。如果预算不足，我们应该避免不必要的行动，以避免资源浪费和环境影响。应该问的第一个问题是“我们能有效地做到吗？”，答案应该沿着计划重新检查。事实地标是在给定规划任务的每个解决方案计划中的某一点必须为真的命题（Hoffmann、Porteous和Sebastia，2004）。s-landmarks是对一个变量的赋值，该变量在一个州的每个计划中的某个点都是真的。行动landmarks是一个沿着每个计划采取的行动。析取行动地标，每个对应于一组操作员，每个计划至少包含该组操作员（Karpas和Domshlak 2009；Helmert和Domshlak 2009；Bonet和Helmert 2010；Pommering和Helmert 2013）。价值驱动地标是一组相互关联的行动，这些行动与改善现有州效用的计划属性有关（Muller和Karpas，2018）。将成就视为里程碑，并根据其所代表的价值对成就进行评估，这就为具有超额目标或信息的复杂系统中的决策提供了一种所谓的改进方法。实证评估表明，以自我完善为目标的计划和行动优于最先进的目标导向方法，即收集方法。

在高层次上，最优计划由两部分组成：一部分是实现一些有价值的事实的前提条件，另一部分是保持这一有价值的成就，提高其他变量的效用的前提条件。pre-fix可以被认为是“投资”或“有效”，而Sup-fix可以被认为是“收获收益”。由于这些地标是为了相对改善而建造的，而不是绝对实现一些目标价值，因此它们独立于效用价值的极性，并适用于减少损害和获得利益的场景。价值驱动地标的相对估计概念作为目标的另一种感知，允许解决数字和负面效用。成本衍生地标。我们在此定义了一组新的Landmark，其中包含代理必须支付外部服务费用的时间或位置信息。例如，支付燃油费或收费公路费。这些信息来自资源和约束，尚未在可达性的Landmark上下文中处理。从价值驱动地标的成本中推导出成本衍生地标。活动的第一个也是必要的条件是，它会产生一个可替代的或改进的价值（有效地），由价值驱动的地标表示。其次，对于一个有效的流程，成本衍生（来自有效价值）里程碑表示实现它所需的资源和数量（有效）。通过分析需要计划的任务中的预算和资源，规划师可以识别出纯粹的损失行为，如果这些行为对保持流程的活力至关重要的话。重新定义和提取更长地标的过程保证了AI代理的更好性能。当一个代理人计划他的行动时，地标是唯一合理的东西。理性决策理论规划。

基于atits的传统确定性自动行动规划方法假设理性确定性决策，但不确定理性/确定性的界限。Wergue认为，决定论的术语必须是资源有界的，其中时间和处理能力是最基本的界限。可以设定目标，并且应以资源有限的方式选择规划方法。假设难题中的资源有限是第一个非理性决策，并开始了非理性的规划过程。这就是为什么如果不改变逻辑基础，我们将永远无法扩展到解决现实世界中的问题。将传统的确定性方法与决策理论方法结合起来进行不确定性规划是很自然的。决策理论规划中的里程碑。许多决策理论规划框架侧重于局部推理，不使用地标启发式。我们建议将动态目标作为参考，以支持基于地标的推理。这种方法将改进基于搜索过程中获得的信息的局部指导，并提高决策理论解算器的性能。从概念上讲，这些里程碑是本地改进过程的全球指导。知识的价值。考虑知识的价值；目前尚不清楚如何评估知识。知识的性质是可以从时间的角度进行评估的。以所有列出的组件的成本创造有用的知识，并共享其价值，成为社会的进步，允许进化、富裕和进步。科学和思想史上的许多成就只有在思想的创造者去世后才有了价值。知识未充分发挥的价值潜力的另一面涉及盗窃知识、剽窃等犯罪。在一个维度中支付的成本和在另一个维度中创造的价值，创造。

发现的观测奇点似乎没有任何代价。同时，在知识起源的维度上，存在一种异常，表现为多值投资，没有预期的结果。剽窃是一种真正的犯罪，必须从多个方面来衡量。随着互联网的发展，信息革命和信息传输速度的提高，这个问题变得尖锐，需要引起重视。如果社会中的个人在进行研究等长期投资时不能信任社会，那么以社会价值为导向的长期投资将被短期成本最优投资所取代。知识价值的另一个例子是创业过程，一群个人冒着风险，进行长期投资，以实现一个想法。即使在一个值得信赖的系统中，当创意被推向市场时，也有一个众所周知的现象被描述为上市时间。对知识的投资。旨在创造有用和有效知识的调查需要投资，并涉及风险，即失败的风险。应鼓励此类投资。一个受信任的社会中的个人可以承担长期研究的风险，如果社会支持他并对冲个人承担的风险。与经济投资类似，研究风险的自然对冲可以建立在有效知识的价值、失败的价值等价值之上。如果社会能够从失败中创造价值，那么它将在学院目标方面带来更大的好处，并在多个方面带来额外的好处。对冲对可持续价值、人类价值的长期投资。长期投资被证明是创造有效价值的优秀策略。

应用长期投资策略，我们建议在大规模领域方法中结合AI问题解决、规划和搜索的观察结果。大规模领域中的搜索和研究不仅在名称上，而且在快速猜测不确定性路径的概念和动力学上，彼此都非常相关。受这些相似之处的启发，我们提出了另一个估计值的假设。社区信任与出版失败的关系是合作和有效研究进展的关键。分支边界修剪算法被认为是订阅计划系统上有效的不可复性算法（Benton、Do和Kambhampati 2009；Bonet、Loerincs和Geffner 1997；Domshlak和Mirkis 2015；Muller和Karpas 2018），在实践中，通过使用错误来提高失败的价值，从而加快进度。修剪方法适用于不能保证在感兴趣的分支中有更好节点的分支。由于搜索和研究在许多方面相似，因此有必要更密切地调查这一分支，以利用我们对错误的了解。讨论近年来，随着人工智能决策系统的快速发展，研究人员和开发人员是制造或阻止价值观犯罪的大门。与编码或编写语法完美的代码相比，开发人员更重要的职责是分析其算法的风险，更重要的是理解逻辑并向用户解释所提出的人工智能解决方案和系统的危险性。最近关于可解释人工智能的研究（Fox、Long和Magazzeni 2017；Gunning 2017；Borgo、Cashmore和Magazzeni 2018；Vigan和Magazzeni 2018；Doran、Schulz和Besold 2017；Miller 2017）认识到了这一差距，并通过负责解释人工智能决策性质，为弥合这一差距迈出了重要的一步。

（Mittelstadt、Russell和Wachter 2018）解释和收集环境反馈是一个持续的、完整的过程，应该以开发人员和研究人员的道德为基础。这是一种责任，应该整合到任何创造过程中。当我们在开发过程中做出完美或无害结果的假设时，默认情况下，这是以用户为代价的。最近提出了向AI专业人士解释的重要性（Mittelstadt、Russell和Wachter 2018），展示了编码决策对最终用户的影响和风险。由于对用户不熟悉，开发人员甚至无法想象其犯罪主体，因此很容易走捷径。很自然，从系统开始监管，并引导原则的改变，要求一份文件陈述其效用和价值，哪些价值得到了改善，哪些可能处于危险之中。人们在某种程度上接受了这样一种观点，即论文的写作过程是随着论文的发表而完成的，而发表的内容是不可发表的。同时，随着时间的推移，没有反馈聚合。必须鼓励对想法进行回顾性和负责任的维护。用户必须有地方更新现场反馈。如果不保持反馈，学术体系将失去社会的信任。如果没有社会的关注，研究界将解决非现实世界的问题，许多出版物对此视而不见，没有意识到这是一个摇摆不定的问题，而不是一个现实世界的问题。参考文献【Ackoff 1989】Ackoff，R.L.1989。从数据到智慧。应用系统分析杂志16（1）：3–9。【Aghighi和Jonsson 2014】Aghighi，M.，和Jonsson，P.2014。超额订阅计划：复杂性和可编译性。在AAAI，2221–2227。【Baier，Bacchus和McIlraith 2009】Baier，J.A。；巴克斯，F。；和McIlraith，S.A.，2009年。