本文討論了計算理性（computational rationality）的概念，這是一個整合人腦、心智與機器智能研究的新興範疇。計算理性強調在決策過程中，考慮計算成本以最大化預期效用的重要性。透過實例說明，文章指出這一理論框架如何促進跨學科的對話，特別是在計算機科學、認知科學和神經科學之間。文中提及，近幾十年的進展顯示了應對不確定性時知覺和行動的計算機制，包括大規模概率推理的發展，以及反思和決策交易中的計算工具。此外，探討了如何透過近似方法解決現實世界問題，以及在有限資源下作出理性決策的方法。
計算理性
計算理性在人腦和心智上的理解涉及認知成本的考慮，以及如何在有限的資源下進行有效的決策。人腦通過演化形成的啟發式政策以及更適應性的元推理機制，對認知成本敏感。這包括在線計算中權衡報酬和認知努力，並根據一個聯合效用函數合理地進行交易。例如，在「需求選擇」任務中，參與者可以在不同認知需求和潛在收益的認知任務之間選擇，行為發現顯示人類根據聯合效用函數合理地權衡報酬和認知努力。大腦成像研究發現，側腦前額皮質區域的活動與認知努力的主觀報告和避免努力的個體差異相關。這表明人腦具有計算成本與報酬之間權衡的能力，這是計算理性在人類心智上的體現。
權衡報酬和認知努力的例子
想像成一個急救場景，醫生（或在這個案例中，是一個決策支持系統）需要迅速決定如何治療一個病人。在這種情況下，醫生面臨兩種選擇：一是立即採取行動，根據目前的信息做出最佳判斷；二是等待，花更多時間來獲取更多資訊，從而做出更準確的決策。但是，多花的時間意味著病人的狀況可能會惡化。
用一個比較日常的比喻，假如你在一家餐廳里，非常餓，面前有兩個選擇：一是立即點一道你知道味道不錯的菜，二是花時間查看菜單上的每一道菜評論，以便做出更滿意的選擇。如果你選擇立即點菜，你可能會更快吃上飯，但有可能錯過更美味的選擇。如果你決定花時間研究菜單，你的餐點可能會更令人滿意，但你也會因為餓得太久而感到不舒服。
在這個醫療決策支持系統的例子中，系統必須在等待收集更多資訊（提高決策的準確性）與立即採取行動（減少病人等待時間）之間找到平衡。這就像是醫生在考慮是否要等待更多檢查結果，還是根據目前的資訊立即開始治療。
再用
一個較易於理解的計算成本與報酬權衡的例子可以是決定是否購買一輛新車。在這個情況下，計算成本指的是收集有關不同汽車的信息、評估各種選項以及考慮資金安排的時間和精力。報酬則是購買一輛新車所帶來的好處，比如更好的性能、安全特性以及享受新車的滿足感。
如果你投入大量時間和精力去研究每一款可能的汽車選項，那麼你的計算成本很高。這可能會導致某種形式的分析癱瘓，即過度分析而無法做出決定。另一方面，如果你只花很少的時間做決定，可能會選擇一輛不那麼理想的車，因此報酬較低。理想的情況是找到一個平衡點，即以合理的計算成本做出一個足夠好的決策，從而最大化你的總體滿意度。
這個例子顯示了如何在有限的時間和資源下進行理性決策，同時考慮到取得足夠信息的成本和所做決策的潛在好處之間的權衡。
機器的計算理性
在機器智能領域，計算理性的概念被應用於指導如何在計算資源受限的情況下進行決策和推理。機器學習和人工智能系統通常需要在計算的精確度和所需時間或資源之間進行權衡。例如，決策理論模型和概率推理系統可能需要評估在增加計算深度和延遲行動之間的最佳平衡。這種類型的權衡在現實世界的問題解決中尤其重要，因為完全精確的計算通常是不可行的。
為了處理這種複雜性，人工智能研究探索了元層次推理（metareasoning）的策略，即在更高的決策層面上考慮計算的性質和範圍。這種策略使系統能夠決定在給定情況下執行哪種程度的計算是最理想的，從而在努力或延遲與行動質量之間尋找最佳平衡。例如，當面對一個時間敏感的醫療緊急情況時，系統可能需要在繼續收集更多信息以提高決策精確度和立即採取行動以避免延誤之間做出選擇。
此外，計算理性也強調了預先計算和緩存推理結果的價值，以便在需要快速響應的情況下迅速取回。這類方法減少了即時計算的需求，使系統能夠在面對複雜決策時快速做出反應，同時保持一定程度的決策質量。
總之，在機器智能上，計算理性提供了一種框架，讓AI系統能夠在保證合理決策質量的同時，有效管理計算資源的使用。
- Samuel J. Gershman et al.
,
Computational rationality: A converging paradigm for intelligence in brains, minds, and machines.Science349,273-278(2015).DOI:10.1126/science.aac6076