Human AI Construction of Bayesian Networks for Operational Decision Support -- A Virtual Survey Approach
本文提出了一种创新的六步框架，该框架利用大语言模型智能体和修剪均值聚合规则来构建用于运营决策支持的贝叶斯信念网络，并证明了其在模拟替代医疗系统中客户意图方面的有效性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图预测未来，但你缺少两样至关重要的东西：一个水晶球和一个庞大的过往记录库。在决策的世界里，这是管理者、医生和规划者常遇到的噩梦。他们需要知道接下来会发生什么——客户会购买产品吗？供应链会断裂吗？患者会选择新的治疗方案吗？为了解决这个问题，科学家们使用了一种巧妙的工具，叫做贝叶斯信念网络（Bayesian Belief Network）。你可以把它想象成一个巨大的、交互式的流程图，其中每一个方框都是拼图的一块，而箭头则展示了一个事物如何影响另一个事物。为了让这个流程图运转起来，你需要用数字填满这些方框，这些数字代表了某件事发生的“可能性”。
通常情况下，获取这些数字是一件令人头疼的事。你要么得请一群人类专家来凭直觉猜测（这既慢又贵，有时还会因为大脑疲劳而产生混乱），要么得等待收集到足以进行数据挖掘的海量现实世界数据（但这往往在当下并不存在）。本研究探讨了一条全新的中间路径：利用人工智能，特别是大型语言模型（即聊天机器人背后的同类技术），来充当一群虚拟专家的角色。与其等待真实数据或雇佣一百个真人，研究人员让计算机模拟出一千个不同的人，询问他们在特定情境下会如何行动，然后取其答案的平均值来填充缺失的数字。这就像是请一千个 AI 朋友玩一场“如果……会怎样”的游戏，以便在游戏正式开始前就弄清楚规则。
虚拟调查：教 AI 预测未来
研究人员 Rahul Kumar 和 Shovan Chowdhury 来自印度管理学院科泽科德分校，他们面临着一个棘手的问题：在没有足够数据且不想给人类专家增加负担的情况下，如何构建决策图谱？他们决定构建一个“虚拟调查”。
以下是他们的方法步骤：
- 构建地图： 首先，他们根据现有的关于人类思维方式的理论绘制出网络的骨架。他们不会让 AI 去猜测连接关系；而是由人类决定哪些方框应该相互连接。
- 创造人群： 他们没有打电话给真人，而是要求 AI 生成 100 个独特的“人格特质（personas）”。这些不仅仅是随机的名字；AI 创建了详细的印度消费者画像——有些是班加罗尔的软件工程师，有些是北方邦的家庭主妇，拥有不同的年龄、收入和性格。
- 虚拟面试： 系统随后向这 100 个 AI 人格特质提出大量的清单问题。对于每一种可能的环境组合（例如，“如果一个人自信心低且健康焦虑感高，他们去看医生的概率是多少？”），系统都会要求每一个 AI 人格特质给出一个概率值。
- 神奇过滤器： 由于 AI 有时会产生“幻觉”或给出离谱、疯狂的答案，研究人员使用了“修剪平均值（trimmed mean）”。他们剔除了前 10% 和后 10% 的答案（即异常值），并取中间 80% 的平均值。这过滤掉了噪音，留下了可靠的数字。
- 最终润色： 这些数字被填入网络中。随后，计算机运行一次模拟，生成 10 万个虚构场景以平滑任何粗糙的边缘，从而创建一个最终的、自洽的决策模型。
大惊喜：AI 发现了什么
为了测试这个疯狂的想法是否真的奏效，团队将其应用于一个现实世界的问题：是什么促使印度人在面对糖尿病时，选择去看阿育吠达（传统医学）医生而不是西医？
他们构建了一个包含八个变量的网络，包括“自我效能感”（一个人觉得自己能遵循治疗方案的信心程度）、“主观规范”（朋友和家人怎么看）以及“健康意识”。
结果非常有趣，甚至有些反直觉：
- “自我效能感”陷阱： 当研究人员仅仅观察数据时，看起来自我效能感似乎是最重要的因素。那些感到自信的人更有可能去看阿育吠达医生。它看起来像是最值得发力的杠杆。
- 现实检验： 但是，当他们使用一种特殊的数学技巧（称为 do-calculus）来询问：“如果我们强行让每个人都感到自信，而不考虑他们的其他信念，会发生什么？”魔法消失了。意向的提升微乎其微——仅为 0.9%。原因在于，AI 意识到自信的人通常也对阿育吠达持有积极态度。自信并不是原因，它只是已经喜欢该理念的一个副作用。
- 真正的英雄： 真正的核心力量被证明是主观规范。当研究人员模拟改变社会看法（即让看阿育吠达医生变得流行或被接受）时，就医的意向跃升了 7.5%。
- 终极策略： 最大的收获来自于同时采取行动。如果你能同时提升一个人的信心并改变其社区的观点，就医的意向会跃升 15%。
这对未来意味着什么
论文指出，这种“虚拟调查”方法是一个强大的新工具。研究人员仅花费了约 6 美元，并用了大约 两小时 来运行，而对 100 个人进行真实调查则需要数周时间并耗费数千美元。
作者谨慎地指出，这是一种模拟。他们尚未针对现实世界的客户行为进行测试，因此无法确定这些数字在现实世界中是否完全准确。然而，该模型成功预测了 11 个 已建立的人类行为理论中的 7 个，这表明 AI 的“思考”方式是符合逻辑的。
简而言之，这篇论文表明，我们可能不再需要等待完美的数据或聘请昂贵的顾问来做出明智的决策。通过使用 AI 来模拟多样化的虚拟人群，我们可以快速构建决策图谱，从而揭示隐藏的真相——比如，有时候看似最重要的因素其实只是一个红鲱鱼（干扰项），而真正的解决方案在于改变社会环境。这是一种有趣、快速且极其聪明的窥探决策未来之法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。