1. 针对不确定性的决策

在上个世纪50年代时，我们第一个想法就是在不确定的情况下怎么进行决策。

我们来看一些标准的策略过程。首先，我们会观察目标值Y，然后要选择action（行动）A，来让它的期望值达到最好的效果。我们把这样的决策进行建模：E[U|A, Y]，希望把期望的效应达到最大化。

我们可以将该不确定性模型定义为P[U|A, Y]，这在任意一本有关人工智能的书或者经济学的书里都可以看到。

看看上面这个图，我们这边有两种不同的action：action a1和action a2。如果选择a1会得到如红线所示的结果，如果选择a2会得到如蓝线所示的结果。两者期望的效益是一样的，但是a2的变化较大一些，有较高的上行风险和下行风险。

如果说对它们进行优化，两种都非常好，但是很多人对AI 系统里面的风险非常的敏感。如果说你对于风险敏感，那么更多地可能会选择a1。