设计算法管理基础设施项目中的深度不确定性:心理人工智能的作用

《TECHNOLOGY IN SOCIETY》:Designing Algorithms to Manage Deep Uncertainty in Infrastructure Projects: The Role of Psychological Artificial Intelligence

【字体: 大 中 小 】 时间:2026年07月15日 来源:TECHNOLOGY IN SOCIETY 12.9

编辑推荐:

  基础设施项目中的决策者通常依赖非正式启发式来应对易变、不确定、复杂和模糊的条件。这些启发式常被视为负担,归因于认知偏差。然而,新兴证据表明,当启发式经过深思熟虑的设计时,它们可以在深度不确定性下的推理任务中匹配甚至超越机器学习模型。尽管如此,用于管理交付阶段事

  
基础设施项目中的决策者通常依赖非正式启发式来应对易变、不确定、复杂和模糊的条件。这些启发式常被视为负担,归因于认知偏差。然而,新兴证据表明,当启发式经过深思熟虑的设计时,它们可以在深度不确定性下的推理任务中匹配甚至超越机器学习模型。尽管如此,用于管理交付阶段事件(如返工)相关不确定性的系统算法仍不成熟。心理人工智能(AI)通过专注于设计基于人类认知的高效、透明决策规则,提供了一个有前景的基础。在此背景下,本研究论文探讨的问题为:如何利用心理AI设计和实施支持返工相关不确定性管理的算法?通过一项解释性案例研究,分析考察了水基础设施联盟中的经验如何塑造行为过程,特别是近因效应(记忆)和模仿(学习),这些过程发生在参与一个交通超大项目的人员中。研究人员揭示,这些过程与针对返工出现时采取的非正式决策规则的制定相关联。尽管心理AI在生成生态理性和透明的决策工具方面具有强大潜力,但其在基础设施交付中的应用仍然有限,更广泛地说,在项目环境中也是如此。本文通过开辟一条新的研究路线来回应这一问题,即如何开发此类工具以应对返工及其他不可预见事件。本研究取得两项贡献。首先,提出了一个理论框架,用于指导设计适用于大型基础设施项目中意外事件的简单、可解释决策算法。其次,分析表明如何将心理学原理转化为决策规则,以指导不确定性下的决策制定。
本文解读了一项发表在《TECHNOLOGY IN SOCIETY》上的研究,该研究聚焦于基础设施项目中深度不确定性下的决策问题。研究背景方面,基础设施项目决策者常面临易变、不确定、复杂和模糊(VUCA)的环境,他们普遍依赖非正式启发式(即基于经验的简单决策规则)来应对。这些启发式传统上被视为认知偏差的产物,但新兴证据表明,当启发式被有意设计时,可在深度不确定性下与机器学习模型匹敌甚至超越。然而,针对返工等交付阶段事件的系统算法仍发展不足。心理人工智能(AI)通过设计基于人类认知的高效、透明决策规则,为管理此类不确定性提供了新路径。因此,本研究旨在探索如何利用心理AI设计和实施支持返工相关不确定性管理的算法。

研究人员采用了解释性案例研究方法,通过溯因推理(通过提供合理解释的推断)进行回顾性意义建构,分析Barwon Water Alliance(BWA,澳大利亚维多利亚州)和Level Crossing Removal Project(LXRP,澳大利亚维多利亚州)中的经验。BWA为一项价值3.75亿澳元、为期5年的水基础设施项目联盟,包含129个项目;LXRP为一项约193亿澳元、持续至2030年的交通超大项目。数据来源包括半结构化访谈、文档分析(安全记录、不符合报告、教训总结、项目评审等)、会议参与和现场观察。关键方法为通过纵向案例分析识别近因效应(记忆)和模仿(学习)这两种认知过程,并以此为基础构建快速节俭树(FFT,一种通过有序二元分支进行决策的透明规则结构)。

研究结果部分保留原始小标题如下:
- **5.0 Case Study: Learning and Decision-Making Under Uncertainty**:通过追溯性意义建构,发现记忆(近因效应)和学习(模仿)是缓解返工的关键机制。近因效应通过最近高冲击事件的回忆影响决策,模仿则通过观察他人成功实践来调整行为。
- **5.1 Learning from Experience: Recency as a Weighting Mechanism**:通过分析BWA中的高冲击事件(如分包商能力不匹配导致的返工和纠纷)和验证失败案例(如图纸错误导致泵基座返工),研究人员发现近因效应作为权重机制,使决策者对类似条件更警觉,并触发早期检查或干预。基于此,构建了用于分包商选择和设计验证的FFT。
- **5.1.1 High-Impact Events and Cue Activation**:BWA水储存项目因分包商经验不足和施工方法偏差导致严重返工(约700万澳元),该事件强化了后续对能力匹配的审查。LXRP中,决策者基于历史不符合报告(NCR)优先选择低返工历史的分包商。
- **5.1.2 Verification Failures and Drawing Errors**:BWA中因未验证图纸导致泵基座偏移(约7000澳元返工),促使LXRP中监督员更频繁地进行施工前验证。
- **5.1.3 Recency-Weighted Decision Rules**:基于上述事件,研究人员总结了近因效应驱动的决策规则,如对历史返工高的承包商优先拒绝,对设计信息模糊时要求验证等。
- **5.2 Learning from Others: Imitating ‘Best Practice’**:LXRP联盟借鉴了BWA的返工预防策略(包括日常工具箱会议中的错误讨论、高风险活动识别、设计验证等),并通过模仿形成了自己的决策规则。例如,BWA发现44%的安全事故发生在特定时间段,LXRP随之引入了调整休息时间的做法。
- **5.2.1 Imitation-Derived Decision Rules**:总结出模仿性规则,如返工任务增加监督、高峰时段调整休息、设计不确定时暂停验证等,这些规则通过日常实践嵌入LXRP。

讨论部分总结:研究确认了近因效应和模仿在不确定性决策中的作用,心理AI为设计算法提供了基础,但需从视启发式为偏差转向理解其为适应性理性。实践启示包括利用FFT进行估算、在不符合报告中加入启发式提示、培训监督员应用心理AI原则等。局限性在于结果来源于特定组织文化(错误掌握系统)的案例,且启发式识别依赖回溯性叙述,因果联系未验证。未来需将启发式系统化嵌入数字决策系统,并评估其在准确性和透明度方面的表现。

研究结论部分翻译如下:在施工实践中,处理返工这一固有意外事件存在两种截然不同的方式。第一种是常规实践,强调错误预防和鲁棒性,反映出对错误持负面看法且对不确定性不敏感。第二种是新兴实践,优先考虑错误管理和韧性,基于对错误的接受和对不确定性的参与。常规实践通常主导通过传统采购策略获取的项目,导致组织环境难以预测潜在故障,从而采取被动姿态。相比之下,新兴实践通常通过协作采购模式(如项目联盟)实现,鼓励开放对话和心理安全,使共享经验能够促进更适应性和韧性的决策。在此类环境中,错误掌握代表了一种管理错误和不确定性的主动取向。然而,实现这一取向需要既能提升准确性又保持透明的决策支持工具,但在VUCA条件下此类工具仍然有限。为弥补这一空白,本研究借鉴了Gigerenzer(2024)推进的心理人工智能,该思想主张开发透明、生态理性的算法用于不确定性下的决策制定。这一视角通过考察心理AI如何指导支持返工相关不确定性管理的算法设计,为基础设施和工程管理开辟了新的研究途径。研究人员对LXRP联盟进行了解释性案例研究,通过近因效应(记忆)和模仿(学习)的视角考察行动和学习模式。联盟人员先前在BWA的工作经验促进了经验知识的转移和动员,这些知识指导了对错误和返工的响应,并促进了非正式启发式的使用,这些启发式可被视为导航不确定性的初级心理算法。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号