独立性判断的理性分布式过程层解释

难以想象，若人类缺乏从无关中分辨相关的能力——这一能力在计算上等同于处理概率独立关系——面对每天在不确定性下须作出的无数决策，世界在他们眼中该何等混乱。大脑高度并行且分布式的计算机制意味着，对人类独立性判断的令人满意的过程层解释也应模仿这些特征。本工作中，我们提出首个理性的、分布式的、消息传递的独立性判断过程层解释，称为 $\mathcal{D}^\ast$。有趣的是，$\mathcal{D}^\ast$ 表现出一种奇特但规范上合理的倾向：只要依赖关系成立，便快速检测之。此外，$\mathcal{D}^\ast$ 在最坏情况运行时间上优于 AI 文献中此前提出的所有算法，且其一个显著方面得到神经科学中研究贝叶斯网络在神经层面可能实现的最新工作的支持。$\mathcal{D}^\ast$ 很好地例证了追求认知合理性如何能导向具有吸引人性质的最先进算法的发现，而其简洁性使 $\mathcal{D}^\ast$ 潜在成为教学用途的良好候选。