非概率不确定性度量:对已知与未知未知的认知、逻辑与计算评估
人工智能
2023-03-17 v5 机器学习
摘要
不确定性可能无法被概率论充分描述,原因有二。其一源于独特或近乎独特的事件,其要么从未发生,要么发生过于稀少以致频率无法可靠度量。其二出现在人们担忧可能发生、却甚至无法设想之事时,例如有人问:“气候变化、金融危机、大流行、战争,下一个是什么?”两种情形下,可用备选方案与可能后果之间简单的——对应认知映射终将瓦解。然而,此类瓦解以特定、可辨识且具差异的方式反映于企业高管、员工及其他利益相关者的叙事变化中。特别地,诸如顾问报告或致股东信函等文本可被分析,以探测两类不确定性对通常指导决策的因果关系之影响。我们提出以认知映射的结构性度量作为度量非概率不确定性的手段,并最终指出自动化文本分析可极大拓展这些技术所提供的可能。潜在应用或涉及从统计机构到企业乃至广大公众等各类主体。
引用
@article{arxiv.2201.05818,
title = {Measuring Non-Probabilistic Uncertainty: A cognitive, logical and computational assessment of known and unknown unknowns},
author = {Florian Ellsaesser and Guido Fioretti and Gail E. James},
journal= {arXiv preprint arXiv:2201.05818},
year = {2023}
}
备注
29 pages, 18 figures