Naukowcy z arXiv CS.AI zaproponowali innowacyjną metodę łączącą dużo-parametrowe modele języka z tradycyjną analizą Bayesa. Problem polega na tym, że zbudowanie sieci Bayesa wymaga albo eksperckiej intuicji, albo ogromnych zbiorów danych do nauki algorytmicznej. Nowe podejście wprowadza trzecią drogę:Panel agentów AI ocenia prawdopodobieństwa zdarzeń z pozycji różnych personas i w różnych kontekstach, a następnie odpowiedzi są czyszczone za pomocą reguły średniej obciętej, która usuwa szum i ekstremalne wartości.
Wszystko zostało zilustrowane na praktycznym przykładzie - modelu opisującym, kiedy pacjenci w alternatywnych systemach zdrowotnych decydują się na konsultację z lekarzem. Sieć Bayesa zbudowana tą metodą wykazała niespodziewany rezultat: choć samozaufność pacjentów wydaje się intuitywnie ważnym czynnikiem, jej rzeczywisty wpływ przyczynowy na podejmowanie decyzji jest małe. Znacznie silniejszy efekt mają normy społeczne i to, co myślą o leczeniu alternatywnym bliskie osoby.
Od strony praktycznej znaczenie ma stwierdzenie, że najefektywniejszą strategią jest jednoczesne zwiększanie zarówno indywidualnej pewności pacjentów, jak i poprawianie norm społecznych. Takie podejście, łączące AI z ekspertyzą badaczy, może znacznie przyspieszyć budowanie modeli decyzyjnych w medycynie, biznesie i wielu innych dziedzinach, gdzie decyzje podejmowane są w warunkach niepewności.