我现在不想考虑它：具有代价高昂计算的决策理论

计算在决策中扮演着重要角色。即使一个智能体愿意为所有状态赋予概率、为所有结果赋予效用并最大化期望效用，这样做也可能带来严重的计算问题。此外，计算给定行动的结果本身可能就很困难。在一篇姊妹论文中，我们为具有代价高昂计算的博弈论开发了一个框架，其中选择的对象是图灵机。本文将这一框架应用于决策理论。我们展示了诸如第一印象偏见（即人们倾向于更重视早期听到的证据）、信念极化（两个具有不同先验信念的人，听到相同证据后，最终可能得出截然相反的结论）以及现状偏见（人们更可能坚持已有选择）等众所周知的现象如何能够在该框架中被轻松捕捉。最后，我们利用该框架定义了一些新概念：计算信息价值（信息价值的计算变体）和对话的计算价值。