Ограниченная оптимальность

Ограниченная оптимальность

Ограниченная оптимальность (Bounded Optimality) — это концепция в искусственном интеллекте и теории принятия решений, которая учитывает ограниченные вычислительные ресурсы агента (человека или машины). Она говорит, что рациональное действие — это не просто выбор наилучшего решения с точки зрения результата, а оптимизация самого алгоритма выбора с учётом времени и усилий, затраченных на размышления.

То есть агент должен думать столько, сколько нужно, но не больше, чтобы успеть принять полезное решение вовремя. В отличие от классической модели рациональности, где важен только максимальный результат (максимизация ожидаемой полезности), ограниченная оптимальность учитывает, что реальные агенты ограничены во времени и вычислительных возможностях и потому выбирают лучший баланс между качеством решения и затратами на его поиск (эффективность vs. ошибка).

Такое понимание помогает объяснить, почему люди и машины иногда делают «неидеальные» решения — это не из-за иррациональности, а из-за ограничений в вычислениях и времени. Ограниченная оптимальность помогает создавать разумных агентов, которые работают эффективно в реальном мире, где время — важный ресурс.

Ключевые моменты:
— Оптимизация не результата, а алгоритма выбора действия.
— Учет ограничений ресурсов (время, вычисления).
— «Думать столько, сколько достаточно для хорошего решения».
— Объясняет поведение людей и машин в сложных условиях.

Таким образом, ограниченная оптимальность — это более реалистичный стандарт рациональности для реальных агентов, чем классическая теория, которая предполагает безграничные ресурсы и время.
tom griffiths

tom griffiths

Henry R. Luce Professor of Information Technology, Consciousness and Culture, Director of the Computational Cognitive Science Lab, Princeton University; Co-author (with Brian Christian), Algorithms to Live By

Источник