大模型时代下的决策范式转变

要点总结

#

关键要点

#

论文重要性

#

这项研究对于当前人工智能和决策科学领域具有重要意义。 大模型技术如ChatGPT正在颠覆传统决策范式，推动智能决策的发展。这不仅提升了决策的准确性和效率，还为复杂社会物理信息系统中的决策问题提供了新的解决方案。研究影响力体现在其为国家、产业和组织层面的决策提供了理论支持和技术路径。与当前研究趋势的关联在于，大模型技术与决策科学的融合将成为未来研究的热点。未来研究方向包括提高智能决策模型的可解释性、可信性、可控性及经济性，进一步推动智能决策技术的应用和发展。

---

图表分析

#

决策的时代里程碑

#

🔼 该图表展示了决策发展历程的三个主要阶段，即经典决策、计算决策和智能决策。这三个阶段分别代表了决策方法论和技术应用的演进。经典决策（1959-2011）阶段，其核心特征是基于内部数据统计和规则制定。这一阶段主要依赖经验和既定规则进行决策，数据分析方法相对简单，决策过程较为固定。计算决策（2011-2022）阶段，随着大数据技术的发展，决策方法开始转向大数据挖掘和经验匹配。这个阶段不仅利用内部数据，还引入了外部大数据，提高了决策的准确性和效率。最后，智能决策（2022-至今）阶段，以动态推演和开放探索为特征，强调利用人工智能技术进行决策，特别是大模型技术，从而实现更加智能和高效的决策。智能决策能够通过人机协同，主动、全面地进行知识贯通、动态推演、前瞻分析及决策进化。该图表清晰地呈现了决策范式的转变，表明决策方法正从规则驱动向数据驱动，再向智能驱动的方向发展，并且决策制定越来越依赖于先进的信息技术和算法。图表的横轴时间线和纵轴的三个阶段的对比，突显了技术进步对决策方式的深刻影响，并预示了未来决策智能化发展的趋势。

更多图表分析

数据来源的转变

#

🔼 该图展示了决策过程中数据来源的转变，从传统的单域、单场景数据分析，发展到跨域、跨场景数据分析。图中左侧部分描绘了在信息空间内，仅针对单一经济领域进行数据分析的传统模式，这种模式较为局限，难以捕捉到复杂系统内的多维度关联。右侧部分则展示了数据来源的新模式，强调跨越信息空间、社会空间和物理空间进行数据分析。在社会空间中，经济和科技等多个领域的数据相互交织，表明决策不再局限于单一维度，而是需要综合考虑不同领域的影响。物理空间的加入则意味着现实世界的数据也纳入了分析范畴，这反映了决策过程对复杂性的考量。整体而言，图表展示了从孤立的数据分析向整合多维度数据的转变。这种转变强调了现代决策过程需要整合各个领域的知识和信息，从而更加全面和准确地进行决策。图表表达了在面对复杂系统时，需要采用更加开放和全面的数据分析方法，以提高决策的有效性和可靠性。这种从单一视角到多维视角的转变是智能决策发展的必然趋势，也反映了大数据和人工智能在决策领域的应用深化。

决策生态构建模式对比

#

🔼 该图对比了传统人工生态构建与开放人工生态半自动化构建在决策过程中的差异。左侧展示了传统的人工生态构建模式，其核心特点是依赖人工经验进行主观设计。在此模式下，决策生态往往基于经典假设或有限的宽泛假设，场景设定较为单一，主要局限于信息空间内的单领域、单场景。该模式下，决策主体和决策受众通过认知和行为相互影响，但缺乏数据驱动和反馈机制，难以进行动态调整。右侧展示了开放人工生态半自动化构建模式，该模式引入了零假设的概念，强调数据驱动的生态生成，并强调跨域、跨场景的考虑，涵盖物理、社会和信息空间。这种模式中，决策要素可以被自动定义，并且决策主体与受众之间的交互具有双向性，包括认知交互和行为交互，并增加了反馈环节。这使得生态系统能够根据决策结果进行调整和优化。 总的来说，传统模式依赖人工主观经验，构建的生态相对封闭、静态，而半自动化模式则利用数据和智能算法，构建更加开放、动态的决策生态，这种模式能够更好地模拟复杂真实世界的决策场景，提高决策的有效性和适应性。图中通过清晰的视觉元素，强调了两种生态构建模式的区别，并突出了数据驱动和反馈机制在半自动化模式中的关键作用。

决策模型的转变

#

🔼 本图展示了决策模型从传统小模型到大模型转变过程中，在决策空间、决策方法和决策评估三个方面的差异。在决策空间方面，小模型主要依赖于“经验空间”，即基于已观察或可观察的实际数据，由人工设计决策方案，并在这些方案中进行评估。而大模型则扩展到“想象空间”，能够基于大规模数据学习到的规律，自主创新决策方案，从而覆盖更多的可能性，更接近全局最优解。

在决策方法方面，小模型采用的是“单次决策”模式，直接从决策方案得出结果，缺少推理过程。大模型则引入“思维链”模式，将复杂的决策问题分解为多个中间步骤，逐层解决，使决策过程更具可解释性，并且能提供方案的优缺点分析。这种多步骤推理的方式有助于决策者理解问题背后的因果关系，并产生更有说服力的决策方案。

最后，在决策评估方面，小模型为了简化计算，通常会进行大量的近似和简化，仅考虑少量因素，导致决策结果可能不够准确和稳定。而大模型凭借其强大的计算能力和表征能力，能够存储大量知识、覆盖广泛场景、处理复杂逻辑，从而进行更全面、多维、长链条的动态推演，对决策场景进行更逼真的建模，最终得到更准确、客观和科学的评估结果。

总的来说，该图清晰地阐述了从依赖经验的小模型到基于知识的大模型的决策范式转变，突出了大模型在决策过程中的优势，例如更广阔的决策空间、更完善的决策方法和更准确的决策评估。这些转变对于理解和应用新一代智能决策模型至关重要。

决策主体转变示意图

#

🔼 该图展示了决策主体从机器辅助决策到人机协同决策的转变过程。左侧部分代表传统的机器辅助决策模式。在此模式下，首先由人提出问题，然后由决策小模型利用领域信息进行决策分析，生成决策信息。随后，经过制定方案、选择方案和评估方案等步骤，最终由人进行决策。这个过程中，机器主要作为信息处理工具，辅助人类进行决策，但决策的主导权仍在人类手中。决策小模型通常依赖特定领域的信息进行决策，视野较为局限。

右侧部分代表新时代的人机协同决策模式。在此模式下，同样由人提出问题，但决策的执行则由决策大模型完成。该模型能够接入全域信息，在制定和选择方案后，由机器进行评估，并将决策方案提供给人类。人类在此过程中主要扮演反馈和把关的角色，确保决策符合人类的偏好和价值观。这一模式中，机器参与决策的程度更深，大模型利用其强大的信息处理能力和推理能力，为人类提供更全面的决策支持。此外，大模型利用全域信息进行决策，使得决策更加精准和高效。

图中明显区分了两种决策模式的差异：机器辅助决策依赖领域信息，决策过程较为线性，而人机协同决策利用全域信息，机器深度参与决策过程。这种转变体现了随着技术进步，决策模式正在由人类主导转变为人机协作，机器的作用由辅助工具转变为决策伙伴。总而言之，该图清晰地阐述了决策主体在智能化时代的角色转变，预示着未来决策将更加依赖人机协同的模式。

深度解读

#

决策范式转变

#

本文探讨了以 ChatGPT 为代表的大模型技术对传统决策范式的颠覆性影响。传统决策模型依赖小数据、封闭场景和简单规则，难以应对复杂的社会物理信息系统（CPSS）。而大模型凭借其流畅的语言生成、广泛的场景适应、全领域的知识覆盖和自然的人机交互能力，推动了决策范式从计算决策向智能决策的转变。这种转变主要体现在四个方面：数据来源从领域大数据转向开放域大数据，决策生态从静态人工生态转向开放动态生态，决策模型从“数据+学习”转向“知识+推理”，决策主体从机器辅助决策转向人机协同决策。这种范式转变不仅提升了决策的智能化水平，还为未来的决策科学提供了新的研究方向和应用场景。

大模型能力

#

ChatGPT 的成功得益于其大规模集成的大模型技术、人机协同的群体智慧涌现以及大数据与大算力的支撑。大模型技术通过 Transformer 架构和预训练、指令学习、强化学习等技术，实现了高质量文本生成。人机协同则通过人类提供创造性反馈和机器执行高精度任务，激发了群体智慧。大数据与大算力的支撑使得模型能够处理海量数据并快速迭代。ChatGPT 的能力主要体现在四个方面：通顺流畅的语言生成、通用广泛的场景适应、通达全领域的知识覆盖和通畅自然的人机交互。这些能力不仅解决了传统自然语言处理任务的瓶颈，还为各领域的发展带来了新的可能性。

决策生态构建

#

大模型技术推动了决策生态从人工构建向开放人工生态半自动化构建的转变。传统决策生态依赖人工先验知识，存在主观性、片面性和静态性的问题。而大模型通过跨域、跨场景数据的自动知识提取，能够实现决策生态的客观构建和动态更新。开放人工生态的半自动化构建不仅减少了人工干预，还通过大模型的自动化识别和量化建模技术，提升了生态要素的完备性和交互机制的时变性。这种生态构建方式使得决策过程更加高效和精准，同时降低了试错成本，为复杂决策场景提供了新的解决方案。

决策模型演进

#

大模型技术推动了决策模型从**“数据+学习”向“知识+推理”的转变。传统小模型依赖经验空间和已知数据，决策方案局限于已有知识。而大模型通过大规模数据学习**，能够在更广阔的想象空间中探索创新性决策方案。大模型的“思维链”决策方法通过多步骤推理，提供了更具可解释性的决策依据。此外，大模型在决策评估时能够综合考虑多种因素，进行多维、全面的动态推演，从而得到更准确、科学的决策结果。这种模型演进不仅扩展了决策者的思考范围，还为复杂决策问题提供了新的解决思路。

未来发展方向

#

本文提出了未来智能决策发展的三个关键方向：决策范式构建、智能决策理论发展及普适性决策推演引擎研发。决策范式构建应以人工智能为支撑，颠覆传统决策范式，提升决策效能。智能决策理论发展应探索大模型时代的新研究范式，促进跨学科融合，推动理论创新。普适性决策推演引擎研发则需依托决策大数据，建设大规模数据平台，优化通用大模型算法，并布局大算力 AI 计算服务。这些方向的探索将为我国实现“决策优越性”提供有力支持，推动智能决策代际升级。

完整论文

#