Problem niepewnosci w teoriach informacji

Wprowadzenie
Formalizacje stanu niepewności
Problem niepewności w ujęciu historycznym - Shannon, BHC
Niepewność w teoriach Dretskego i Floridiego
Problem niepewności w LIS
Van Rijsbergen (IR)
Wnioski i podsumowanie

Filozoﬁa Informacji, Wykład VIII - Problem
niepewności w teoriach informacji.
Artur Machlarz

17 stycznia 2014

Artur Machlarz

Filozoﬁa Informacji, Wykład VIII - Problem niepewności w teoriach informac

Wprowadzenie
Van Rijsbergen (IR)

Plan wykładu
1
2

3
4

5

6

7

Wprowadzenie
Rachunek zbiorów rozmytych
Rachunek prawdopodobieństwa
Fred Dretske
Uwagi krytyczne do teorii Dretskego
Luciano Floridi
Modele niepewności w LIS
Van Rijsbergen (IR)
Logiczna zasada niepewności C. van Rijsbergena
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

The frame title

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Problem niepewności - próba deﬁnicji

Rysunek: Wrocław, skrzyżowanie w okolicy dworca PKP, IV 2012. Każda
decyzja kierowców skręcających w lewo jest obarczona pewnym ryzykiem.
Obserwacja zachowania innych kierowców pozwala na podjęcie jakiegoś
działania, ale bez pewności, że jest to działanie prawidłowe. Jeszcze trudniejsza
jest sytuacja, gdy orientujemy się, że na wjeździe na skrzyżowanie ze wszystkich
kierunków świeci się światło czerwone (to także się zdarza we Wrocławiu).

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Niepewność a informacja

Niepewność i informacja były w omawianych dotąd teoriach pojęciami
określającymi wzajemnie swój sens:
INFORMACJA - może być traktowana jako czynnik modyﬁkujący
stan niepewności,

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Niepewność a informacja

Niepewność i informacja były w omawianych dotąd teoriach pojęciami
określającymi wzajemnie swój sens:
INFORMACJA - może być traktowana jako czynnik modyﬁkujący
stan niepewności,
NIEPEWNOŚĆ - może być traktowana jako anomalny stan
polegający przede wszystkim na braku relewantnych informacji.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Niepewność jako cecha systemu i agenta
Niepewność może być interpretowana przynajmniej z dwóch zasadniczych
stron: jako cecha systemu lub agenta:
Określenie systemowe: braki i usterki systemu reprezentacji, które
mogą obniżać efektywność pozyskiwania informacji przez agenta.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Określenie podmiotowe: braki w stanie wiedzy lub zdolnościach
dedukcyjnych agenta, które obniżają efektywność pozyskiwania i
przetwarzania informacji przez agenta.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Określenie podmiotowe: braki w stanie wiedzy lub zdolnościach
dedukcyjnych agenta, które obniżają efektywność pozyskiwania i
przetwarzania informacji przez agenta.
Istnieje wiele sposobów manifestowania się deﬁcytu informacyjnego
wpływającego na procesy decyzyjne, na poziom wiedzy i jej jakość.
Informacja może być niekompletna, nieprecyzyjna, fragmentaryczna,
niegodna zaufania, wewnętrznie sprzeczna itp. Te cechy mogą wynikać
zarówno z własności systemu jak i możliwości agenta. Agent też może
nie być w stanie przetworzyć dostępnej informacji, która w danej sytacji
jest istotna dla rozwiązania jakiegoś problemu. Z tymi różnymi typami
deﬁcytu informacyjnego związane są różne typy niepewności.
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Niepewność w teorii informacji

Perspektywy podmiotowa i systemowa są w różnych teoriach informacji
zintegrowane. Anomalny stan podmiotu ujmowany jest najczęściej jako
bardziej lub mniej bezpośredni efekt cech systemu informacyjnego. W
teoriach tych charakterystyka niepewności jest podporządkowana
problemowi ustalenia podstaw oceny wartości informacyjnej przekazu lub
oceny subiektywnej relewancji poznawczej informacji.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Oszacowanie stanu niepewności ma z założenia pomóc
w ocenie poziomu relewancji informacji w określonym kontekście
(obejmującym także subiektywny stan agenta),

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


w praktycznej ocenie wydajności systemu informacyjnego (czyli np.
całego środowiska życia agenta),

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


w ocenie wydajności i możliwości agenta (np. w ocenie jego realnych
możliwości poznawczych).

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


w ocenie wydajności i możliwości agenta (np. w ocenie jego realnych
możliwości poznawczych).
Zajmiemy się dziś nie tylko ogólno-teoretycznymi i ﬁlozoﬁcznymi
aspektami opisu niepewności, ale też możliwością operacjonalizacji tych
opisów.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Logiki rozmyte - idea

Logika rozmyta jest rachunkiem opisującym sytuacje, w których jakiś
element częściowo należy do określonego zbioru (tzn. częściowo spełnia
określone warunki należenia do zbioru). Nie wykluczamy wtedy tego
elementu jako nie należącego do zbioru ale określamy stopień
przynależności.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Zbiory rozmyte - przykład

Rysunek: Pralka - przykład sztucznej inteligencji

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Zbiory rozmyte - “inteligentna” pralka
Czym będzie się różnić pralka z systemem fuzzy logic od pralki klasycznej
(przykład):
klasyczna pralka ma zaprogramowaną funkcję prania A jako pranie z
określoną ilością obrotów bębna na minutę i trwające określony czas
podzielony na różne fazy prania.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


(przykład):
pralka z systemem fuzzy logic: ma określoną ilość prania np. na 2,5
kg. Pralka określa wagę prania i oblicza stopień w jakim określona
jako 100% ilość jest osiągnięta i modyﬁkuje określony czas trwania
poszczególnych faz prania do konkretnej ilości prania.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


(przykład):
jeszcze bardziej inteligentna pralka: jest wrażliwa także na inne
czynniki: określa np. stopień zabrudzenia w odniesieniu do jakiegoś
zdeﬁniowanego stanu; gdy ten stan jest przekroczony, pralka
modﬁkuje program i długość poszczególnych faz prania.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


(przykład):
jeszcze bardziej inteligentna pralka: jest wrażliwa także na inne
czynniki: określa np. stopień zabrudzenia w odniesieniu do jakiegoś
zdeﬁniowanego stanu; gdy ten stan jest przekroczony, pralka
modﬁkuje program i długość poszczególnych faz prania.
Pralka działa w stanie niepewności: na podstawie szeregu niepewnych
danych podejmuje określone działanie.
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Prawdopodobieństwo warunkowe

W stanie naturalnym nie przypisujemy naszym stanom przekonań
konkretnych wartości liczbowych. Co nie oznacza, że w pewnych
okolicznościach nie możemy tego zrobić, opisując jakieś rodzaje zachowań
lub projektując sztuczne systemy zdolne do podejmowania decyzji w
warunkach naturalnych. Wartości liczbowe przydają się także, gdy
próbujemy na bazie ogólnych konstatacji ﬁlozoﬁcznych dokonać przejścia
w stronę praktyki - np. w stronę IR.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Sieci Bayesowskie

Tzw. sieci Bayesowskie pozwalają na przedstawienie zależności między
całym szeregiem warunkujących się zdarzeń i ocenę stopnia
prawdopodobieństwa zdarzeń, w zależności od zmieniających się
warunków: tzn. zmieniających się poziomów prawdopodobieństwa innych
zdarzeń. Gdy dane są pewne okoliczności, to zmienia się
prawdopodobieństwo stanów potomnych.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Sieci Bayesowskie - przykład zastosowania

Rysunek: Sieci Bayesowskie, ilustracja: zależności między symptomami i
chorobą. Korzystam z aplikacji Belief and Decision Networks AIspace Group:
http://www.aispace.org/. Adres do pliku ilustrującego modyﬁkacje wartości
prawdopodobieństwa elementów układu: na wykładzie.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Sieci Bayesowskie - teoria relewancji L.F.

Rysunek: Sieci Bayesowskie, ilustracja omawianej na poprzednim wykładzie
teorii relewancji L. Floridiego. Korzystam z aplikacji Belief and Decision
Networks AIspace Group: http://www.aispace.org/. Adres do pliku
ilustrującego modyﬁkacje wartości prawdopodobieństwa elementów układu: na
wykładzie.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Shannon - Entropia

Niepewność w teorii komunikacji Shannona jest kwantyﬁkowalna i a
priori określona przez wybór alfabetu kodowania. Jej wartość oznacza
deﬁcyt danych po stronie odbiorcy komunikatu.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Shannon - Entropia

Niepewność w teorii komunikacji Shannona jest kwantyfikowalna i a
priori określona przez wybór alfabetu kodowania. Jej wartość oznacza
deficyt danych po stronie odbiorcy komunikatu.
n

H=

pi log2
i=1

1
pi

Znany wzór na entropię jest wyrazem średniej informatywności dowolnego
symbolu oraz przeciętnej ilości deficytu danych, które informowany
posiada przed otrzymaniem komunikatu.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Niepewność w teorii BHC

W teorii BHC trudno mówić o niepewności agenta, który jest postacią
idealną: niepewność może być co najwyżej cechą systemową, ponieważ
przyjmujemy systemy językowe dopuszczające więcej niż jeden możliwy
opis stanu rzeczy. Część wyrażeń dopuszczalnych w ramach danego
systemu językowego (np. alternatywy opisów stanów) pozostawić może
niepewność odnośnie określonego stanu rzeczy.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Teoria informacji Dretskego

Deﬁnicja informacji semantycznej w teorii Dretskego:
sygnał r jest nośnikiem informacji, że s jest F =
prawdopodobieństwo warunkowe że s jest F, pod warunkiem r (i
k) jest równe 1 (ale pod warunkiem samego k, mniej niż 1)
(F. Dretske, Knowledge and the Flow of Information, s. 65.).

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Teoria informacji Dretskego

Okoliczność, że s jest F, na którą wskazuje r, uzyskuje dzięki sygnałowi r
prawdopodobieństwo równe 1. Sygnał r wskazuje na s będące F w
sposób jednoznaczny, w pełni redukując niepewność odnośnie tego stanu
rzeczy i stanów alternatywnych. Dodatkowo warunkujący
prawdopodobieństwo czynnik k, czyli stan wiedzy odbiorcy, oznacza
przede wszystkim wiedzę odbiorcy o zbiorze możliwości, którego próbką
jest s będące F.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Niepewność w teorii informacji Dretskego

Wartość niepewności jest w teorii Dretskego określona z uwzględnieniem
stanu wiedzy odbiorcy, jednak ów stan ma niewielkie znaczenie dla
określenia tej wartości, ograniczając jedynie apriorycznie ustalony zbiór
możliwości.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Ograniczenia teorii Dretskego
Przynajmniej dwie okoliczności decydują o ograniczonych możliwościach
operacjonalizacji pojęcia niepewności na gruncie koncepcji Dretskego:
Prawdopodobieństwo warunkowe ze względu na r musi być równe 1
ze względu na tzw. zasadę Xerox, czyli bezstratnej przechodniości
informacji - w teorii Dretskego nie dopuszcza się sytuacji
stopniowalnego ograniczenia niepewności.
Prawdopodobieństwo warunkowe nie uwzględnia problemu
prawdopodobieństwa warunku (tzn. np. różnych stopni
prawdopodobieństwa r i k) - w teorii Dretskego nie ma zatem
miejsca na opis zmiany stanu niepewności np. w okolicznościach
zmian w stopniu potwierdzenia hipotezy medycznej, poszlaki itp.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

F. Dretske - problem z operacjonalizacją

W teorii Dretskego przy interpretacji wartości informacji w kategoriach
prawdopodobieństwa warunkowego, zakładamy bezwzględną znajomość
warunku: w tym przypadku uznajemy pewność sygnału r i znajomość
czynnika k.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

F. Dretske - problem z operacjonalizacją

W teorii Dretskego przy interpretacji wartości informacji w kategoriach
prawdopodobieństwa warunkowego, zakładamy bezwzględną znajomość
warunku: w tym przypadku uznajemy pewność sygnału r i znajomość
czynnika k.

Jeśli warunek sam w sobie jest niepewny, można spróbować ustalić dalej
jego wartość jako prawdopodobieństwa warunkowego ze względu na
pewien inny warunek, który potwierdzałby wartość r – w ten sposób
deﬁniowalibyśmy podstawy zaufania do źródła. Niesie to jednak za sobą
trudności z ustaleniem rodzaju i wartości potwierdzenia sygnału r.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

F. Dretske - problem z operacjonalizacją (van Rijsbergen)
Praktycznym rozwiązaniem tej trudności według Corneliusa van
Rijsbergena jest wprowadzenie takiej funkcji prawdopodobieństwa, która
pozwala zmodyﬁkować prawdopodobieństwo warunkowe w kategoriach
subiektywnej pewności potwierdzenia, nie przyjmującej z zasady
wartości 1 (jeśli taką przyjmuje, to faktycznie może być interpretowane
jako prawdopodobieństwo warunkowe). Takie ujęcie pozwala na opis
warunkowy przy braku pewności warunku:
P ∗ (B) = P(B | A) ∗ P ∗ (A) + P(B |∼ A ∗ P ∗ (∼ A)).
Wg Rijsbergena musimy skoncentrować się na przypadku, gdy mamy
pewien ciąg doświadczeń, który pozwala sformułować nową funkcję
prawdopodobieństwa P*, która jest rewizją P w kontekście tych
doświadczeń. Ze względu na nie P*(A) nie jest równe 1.
Por. C.J. Van Rijsbergen, Another Look at the Logical Uncertainty
Principle, “Information Retrieval” 2, 15-24, 2000.
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Żeby zmierzyć niepewność wnioskowania z A że B, jeśli samo A jest
niepewne, Rijsbergen proponuje użyć podanej wyżej formuły, podanej
przez Jeﬀreya (por. Richard C. Jeﬀrey, The Logic of Decision, Chicago
1965). W kategoriach teorii informacji Dretskego formuła ta wyglądałaby
mniej więcej tak:
P ∗ (s/F ) = P(s/F | (r ∧ k)) ∗ P ∗ (r ∨ (r ∧ k)) + P((s/F |∼ r ∧ ∼ k)P ∗ (∼
s/F )))

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Żeby zmierzyć niepewność wnioskowania z A że B, jeśli samo A jest
niepewne, Rijsbergen proponuje użyć podanej wyżej formuły, podanej
przez Jeffreya (por. Richard C. Jeffrey, The Logic of Decision, Chicago
1965). W kategoriach teorii informacji Dretskego formuła ta wyglądałaby
mniej więcej tak:
P ∗ (s/F ) = P(s/F | (r ∧ k)) ∗ P ∗ (r ∨ (r ∧ k)) + P((s/F |∼ r ∧ ∼ k)P ∗ (∼
s/F )))
Aczkolwiek gwoli ścisłości dodać należy, że tak sformułowana definicja
zmiany wiedzy związana z bardziej szczegółowym opisem modyfikacji
stanu niepewności, to już nie byłaby część teorii Dretskego.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

L. Floridi - na czym polega niepewność?

Wartość niepewności w teorii Floridiego jest także określona raczej przez
cechy systemu niż podmiotu. Jednak zaletą koncepcji Floridiego jest to,
że wartość ta nie jest zależna od własności systemu w całości, ale
konkretnej sytuacji.
Zdanie opisuje pewną sytuację. Im większa ilość dopuszczonych
alternatywnych sytuacji względem sytuacji, o której informację niesie
sygnał, tym mniejsza informatywność a większa semantyczna niepewność.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Teoria informacji na bazie semantyki sytuacyjnej

Wartość informacji semantycznej niesionej przez σ(γ(σ)) jest określona w
teorii Floridiego przez pole powierzchni między przebiegiem funkcji ι(σ) w
przedziale wyznaczonym przez wskaźnik θ(σ) - czyli stopień
potwierdzenia formuły przez sytuację) a osią x:
θ

γ(σ) =

ι(σ)dx
0

Im większe wyznaczone pole przez przebieg funkcji ι(σ), tym większa
niepewność.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Fred Dretske
Luciano Floridi

Teoria informacji na bazie semantyki sytuacyjnej

Rysunek: Wartość informacyjna dla czynnika θ(σ) = 0,25. Ilustracja za: L.
Floridi, Semantic Conceptions of Information, w: Stanford Encyclopedia of
Philosophy, http://plato.stanford.edu/entries/information-semantic/

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


LIS - Interpretacja zjawiska niepewności z perspektywy
agenta

Ogólne analizy pojęcia niepewności i próby skonstruowania jej miary w
perspektywie integrującej aspekt systemowy i podmiotowy są także
istotnymi wyzwaniami pozaﬁlozoﬁcznych nauk o informacji. W
dyscyplinach tych stan niepewności agenta interpretuje się w kontekście
pojęcia informacji przede wszystkim jako czynnik motywujący do działań
związanych z poszukiwaniem i pozyskiwaniem informacji: czynnik,
który odgrywa kluczową rolę w modelowaniu tych działań i oceny
efektywności działania całego systemu informacyjno-wyszukiwawczego.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


LIS - modele niepewności

Ellis - Kuhlthau: niepewność jako brak zrozumienia, luka w
znaczeniu inicjuje proces poszukiwania informacji. Agent aktywnie
dąży do redukcji stanu niepewności.
Willson (problem solving model): poszukiwanie informacji jest
działaniem ukierunkowanym na cel z rozwiązaniem problemu i
prezentacją rozwiązania jako celem. Przez przejścia od identyﬁkacji
problemu do prezentacji rozwiązania niepewność musi zostać
zredukowana w interakcji ze źródłami informacji.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


agenta
Do powszechnie akceptowanych wyników badań empirycznych odnośnie
niepewności i jej związku z pozyskiwaniem informacji w tych dyscyplinach
zaliczyć można przede wszystkim:
odkrycie, co my właściwie wiemy na temat określonego problemu
wzrasta wraz ze spadkiem niepewności (Kuhlthau),

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


agenta
zainteresowanie problemem wzrasta, gdy spada niepewność
(Kuhlthau),

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


agenta
(Kuhlthau),
zbiór alternatywnych stanów rzeczy itp. albo nie musi być
skończony, albo nie musi być znany w całości (jest to sytuacja dużo
bardziej naturalna niż odwrotna),

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


agenta
(Kuhlthau),
decyzje bywają podejmowane także w stanie zupełnej niepewności,

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


agenta
(Kuhlthau),
decyzje bywają podejmowane także w stanie zupełnej niepewności,
pozyskiwanie informacji nie musi prowadzić do prostej redukcji
niepewności (a w szczególności do redukcji niepewności do stanu
pewności).
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


agenta

Więcej na ten temat oraz na temat wymienionych modeli opisu stanu
niepewności w:
T.D. Wilson, Nigel Ford, David Ellis, Allen Foster, Amanda Spink,
Information Seeking and Mediated Searching. Part 2. Uncertainty
and Its Correlates, w: “Journal of the American Society for
Information Science and Technology”, 53 (9) 2002, ss. 704-715.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Niepewność jako stan anomalny - model Taylora
Niepewność, niezależnie od zmiany punktu wyjścia w interpretacji jej
związku z informacją, nadal jest interpretowana jako stan anomalny,
który może być naprawiony dzięki relewantnym informacjom. Robert
Taylor proponuje interesującą interpretację niepewności jako “luk”
pojęciowych, które wymagają “zmostkowania”. Kluczowymi elementami
jego modelu interpretacyjnego sytuacji poszukiwania informacji są:
sytuacja – kontekst całego problemu,
luki (gaps) – interpretowane jako pytania, na które odpowiedzią są
potrzebne informacje
użyteczność – użytek danych wyjściowych w kontekście sytuacyjnym.
Taylor, Robert S. (1968). Question negotiation and information seeking
in libraries. “Journal of College and Research Libraries” 29 (3), 178-194.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Teoria Info-Gap Yakova Ben-Haima (IR)
Modele niepewności “info-gap” Ben-Haima w IR są konstruowane w
ramach określonych klas zbiorów doświadczeń. Każdy zbiór ma określony
stopień deﬁcytu wiedzy. Każdy element zbioru reprezentuje możliwe
zdarzenie: np. możliwy model systemu ﬁzycznego albo społecznego. Nie
ma tu żadnej funkcji pozwalającej określić prawdopodobieństwo
poszczególnych zdarzeń.
Ben-Haim wprowadza zmienny parametr niepewności charakteryzujący
lukę informacyjną między tym, co wiadomo i tym, co powinno być
wiadomo dla najlepszego z możliwych rozwiązania (tzn. dla najlepszego
ze znanych modelu). Parametr ten zazwyczaj nie jest możliwy do
precyzyjnego określenia - to stanowi kolejną niedoskonałość systemu
wiedzy (zakres zmienności nie jest związany).
Yakov Ben-Haim, 2004, Uncertainty, probability and information-gaps,
Reliability Engineering and System Safety, 85: 249-266.
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Teoria Info-Gap Yakova Ben-Haima (IR)

Niepewność w tym modelu jest charakteryzowana przez braki w
powiązaniach między regionami lub klastrami doświadczeń systemu. Jeśli
czynnik ten byłby równy zero, to oznaczałoby, że zdolność agenta do
przewidywania zdarzeń jest ograniczona do określonego a priori zbioru
doświadczeń.
Przykład: http://info-gap.com/ﬁles/wordocs/policy-targeting01.pdf

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)



Miara niepewności w teorii van Rijsbergena jest określona dla
konkretnego powiązania dwóch faktów reprezentowanych przez zdania.
Jeśli mamy dwa zdania x i y, to miarą niepewności ich związku
treściowego jest to, jaki minimalny zakres informacji wystarczy dodać do
zbioru danych, żeby ten logiczny związek stał się prawdziwy.
Niepewność polega na deﬁcycie informacyjnym, którego redukcja
decyduje o ewentualnej zmianie przekonania odnośnie prawdziwości
jakiegoś powiązania dwóch faktów.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Subiektywistyczna interpretacja zasady niepewności
Odnośnie pewnego zdania x możemy mieć określoną przez pewną
wartość prawdopodobieństwa przekonanie, np. 1/2 (m/n). Zdanie y
byłoby zdaniem odnośnie wyboru jednej z możliwości ze zbioru. r
oznaczać będzie nagrodę a w, karę za niewłaściwy wybór. e – ogólny
zysk/strata wynikająca z decyzji:
e = 2w + 2p(r – w)
Następnie przyjmujemy, że istnieje pewien sposób, na zdobycie informacji
o odpowiednim wyborze i określamy jego koszt. Koszt zdobycia tej
informacji jest większy niż 0 i zakładamy, że opłacalny jest tylko do
punktu n. Funkcja p jest a priori w zbiorze nieznanych lub
nieskończonych możliwości niepewnością nieznaną. Żeby ją określić,
należy ocenić wartość informacji, która musi być dodana.
Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)


Subiektywistyczna interpretacja zasady niepewności

W koncepcji tej, tak jak w teorii Floridiego, dysponujemy miarą
niepewności dla konkretnej sytuacji.
Miara ta nie jest a priori określona przez właściwości całego zbioru
potencjalnych informacji lub stanów rzeczy.
Sytuacyjne uwarunkowanie poziomu niepewności obejmuje także
warunki podmiotowe.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Podsumowanie
Właściwe rozpoznanie zakresu niepewności w związku z własnościami
systemu i dyspozycjami agenta ma generalnie służyć określeniu sytuacji
poznawczej, w której agent ma działać, ewentualnie także wydajności
systemu informacyjnego (IR), określeniu wartości poznawczej informacji a
także wydajności i możliwości samego agenta itp. Wymienione wyżej
próby operacjonalizują pojęcie niepewności w taki sposób, że własności
agenta są ściślej lub mniej ściśle zdeterminowane przez system. W
przypadkach apriorycznego całościowego określenia tej wartości przez
system, operacjonalizacja pojęcia jest mało przydatna do opisu szerszego
zróżnicowania niepewności agenta. Nie pozwala tym samym na
stworzenie opartych na tej analizie satysfakcjonującej koncepcji relewancji
poznawczej i informatywności.

Artur Machlarz


Wprowadzenie
Van Rijsbergen (IR)

Dziękuję za uwagę i zapraszam do stawiania pytań!
Artur Machlarz
e-mail: artur.machlarz@uni.opole.pl
www: http://www.uni.opole.pl/∼machlarz

Artur Machlarz


Problem niepewnosci w teoriach informacji

Recommended

Recommended

More Related Content

More from Artur Machlarz

More from Artur Machlarz (16)

Problem niepewnosci w teoriach informacji