BARD：一种用于群体获取贝叶斯网络以支持分析推理的结构化技术
人工智能
2021-08-05 v1
摘要
在许多复杂的现实情境中，问题解决与决策需要对因果与不确定性进行有效推理。然而，人类在此类情形下的推理易陷入混乱与错误。贝叶斯网络（BNs）是一项人工智能技术，可对不确定情境建模，支持概率与因果推理及决策。然而迄今为止，贝叶斯网络的方法学与软件需要大量的前期培训，对模型构建过程提供的指导甚少，且不支持协作构建贝叶斯网络。BARD（通过德尔菲法的贝叶斯论证，Bayesian ARgumentation via Delphi）既是一种方法论，也是一个专家系统，其利用（1）贝叶斯网络作为底层结构化表示以改进论证分析，（2）多用户基于网络的软件平台与德尔菲式社会流程以协助协作，以及（3）按需的简短高质量电子课程、高度结构化的流程以引导贝叶斯网络构建，以及多种有用工具以协助构建与推理贝叶斯网络，包括用于辅助有效报告撰写的自动化解释工具。其成果是一个端到端的在线平台，并配有相关在线培训，使不具备贝叶斯网络先验专业知识的群体能够理解并分析问题、构建其底层概率因果结构模型、对因果模型进行验证与推理，并借此产出书面分析报告。初步实验结果表明，BARD 有助于问题解决、推理与协作。
引用
@article{arxiv.2003.01207,
title = {BARD: A structured technique for group elicitation of Bayesian networks to support analytic reasoning},
author = {Ann E. Nicholson and Kevin B. Korb and Erik P. Nyberg and Michael Wybrow and Ingrid Zukerman and Steven Mascaro and Shreshth Thakur and Abraham Oshni Alvandi and Jeff Riley and Ross Pearson and Shane Morris and Matthieu Herrmann and A. K. M. Azad and Fergus Bolger and Ulrike Hahn and David Lagnado},
journal= {arXiv preprint arXiv:2003.01207},
year = {2021}
}