Decision  Making

 

특정한 상황 또는 장차 일어나리라고 생각되는 상황으로부터의 요구나 요청에 따라 목표를 선택하고 그 시점에서 이용가능한 다양한 수단 가운데 특정한 수단을 선택하는 것. 이 개념은 인간의 행동이나 사회현상을 파악하기 위한 중요한 개념으로 정신분석학·심리학·경영학·정치학·사회학 등 사회과학의 여러 분야에서 사용하고 있다. 제 2 차세계대전 뒤 특히 정치학 및 경영학에서 연구가 진전되었다. ............

Daniel Kahneman 교수가 노벨상을 받게된 것은 경제학자들 사이에서 지배적으로 인정되고 있던 생각을 정면으로 반증하고, 불확실한 상황에서 인간의 판단 과정이 전통적인 경제학적 규범과는 반대로 작용하며 지름길 방식이나 주먹구구식 (Rule of Thumb) 규칙에 의존하여 의사결정이 이루어짐을 보여주어, 행동경제학 (Behavioral Finance) 이 출발하게 했다는데 에 있다.

우리의 판단과 의사결정이 이성적, 합리적이 아닌 예를 들어 생각하여 보자. 어떤 아시아 전염병에 대비하여 두 개의 방안이 제시되었다. 이 아시아 전염병은 600명을 죽게 할 것으로 기대된다. 이 상황을 다음과 같이 두 개의 다른 양식으로 제시할 수 있다.

(제시상황 1) 방안 A를 택하면 200명을 구할 수 있다. 방안 B를 택하면 0.33의 확률로 600명을 구할 수 있다.

(제시상황 2) 방안 A를 택하면 400명이 죽게 된다. 방안 B를 택하면 0.67의 확률로 600명이 죽을 수 있다. 어느 방안을 택할 것인가?

이때 사람들은 제시상황 1에서는 대부분이 방안 A를, 상황 2에서는 대부분이 방안 B를 더 좋은 방안으로 선택한다. 제시상황 1에서는 준거점이 아무 것도 안 하였을 때 600명이 죽는다는 미래 시점으로써, 그러한 극단의 결과 가능성보다는 200명을 구하는 것이 이득이라고 생각하게 된 것이다. 제시상황 2에서는 준거점이 아무도 안 죽는 경우이고, 그에 비하여 결과가 손실로 생각되기에 모험을 택하여 .67의 확률로 600명 죽을 가능성이 확실히 400명 죽는 것보다 낫다고 판단하게 되는 것이다. 이러한 현상은 똑같은 상황인데도 불구하고 상황을 어떤 식으로 기술하느냐에 따라서, 즉 선택의 결과가 이득이냐 손실이냐로 기술됨에 따라 사람들이 달리 결정하는 것을 보여 준다. 안 그럴 것 같으면서도 상식과는 달리, 이득이 있을 때에는 오히려 보수적이 되고, 손실이 개입되는 상황일 때에 오히려 모험적으로 판단 결정하는 것이다. 최근의 로또 구입 경험과 연결지어 생각하여 볼 수 있다.

자동차 구입 시, 10여만명의 소비자의 의견을 종합한 객관적 소비자 보고서를 두 달 동안 연구하고 인터넷을 뒤져서 자료를 모아서 차종 A를 구입하기로 결정하였는데, 그 날 저녁 한 친구가 그 차종에 엔진 소리가 좋지 않다고 한 이야기를 듣고는 차종 B를 사기로 마음을 바꾸는 예도 인간의 판단과 결정에서 10 여만의 사례 증거보다 단 하나의 눈앞의 증거를 과대평가하는 비합리성, 편향성, 오류를 보여주는 예이다 (인지편향 (Cognitive Bias)).

카네만의 이러한 연구 결과는 주식시장에서의 사람들의 주식 선택 및 투자 행동을 예측하는 가장 좋은 이론틀로 사용되고 있기도 하다. 배우자의 선택, 직업의 선택, 창업의 선택 및 결정, 그리고 일상의 작은 일의 판단과 결정에서 우리는 카네만 박사 및 다른 인지과학자들이 발견해낸 그러한 오류적 편향적 판단과 결정 원리에 의하여 우리의 삶을 꾸려가고 있는 것이다. (source 이정모 2003)

term :

경제학 (Economics)   행동경제학 (Behavioral Finance)   인공지능 (Artificial Intelligence)   심리학 (Psychology)   인지과학 (Cognitive Science)   확률 (Probability)   불확실성 (Uncertainty)    의사결정 (Decision Making)   의사결정이론 (Decision Theory)   의사결정 트리 (Decision Tree)    게임이론 (Game Theory)    경영과학 (Operation Research)   통계 (Statistics)   두뇌 (Brain)   사고 (Thinking)   마음 (Mind)    인지편향 (Cognitive Bias)   추론 (Reasoning)   학습 (Learning)   문제해결 (Problem Solving)   컴퓨터 (Computer)    주먹구구 (Rule of Thumb)    휴리스틱(Heuristic)   합리성 (Rationality)   Daniel Kahneman

site :

Wikipedia : Decision making

Society for Medical Decision Making

Foundation for Informed Medical Decision Making

MacNeal's Master Atlas of Decision Making 

paper :

커뮤니케이션 형태와 성별이 의사결정 과정에서의 언어적 특성에 미치는 영향에 대한 연구: 대면 커뮤니케이션과 컴퓨터 매개 커뮤니케이션을 중심으로 : 이정모

video :

판단과 결정 (뇌와 결정내리기, 피니어스 게이지 (Phineas Gage), 확률 판단, 결정 내리기), 언어구조 (언어와 뇌, 도파민, 언어 습득) :  KUOCW   남기춘  2014/06/03

 

뇌의 의사결정에 대한 탐험 : 한국고등교육재단 (KFAS) : 이대열 : 2014/07/14

 

article :

인공지능 (AI) 닥터, 현실이 되다의사신문 : 박길홍 고려의대 생화학교실 : 2017/04/17 : 현대의학의 질병 기전 연구 및 치료 기술의 비약적인 발전과 더불어 보건의료서비스의 질적 향상 요구가 증가하고 이에 따라 의료서비스가 날로 고도화되고 있다. 또한, 의료 (Medicine) 서비스가 정보 집중적이고 분절화(fragmented) 되면서 정보화 잠재력이 확대되고 사회의 지식정보화, 고령화에 따라 의료 서비스 환경이 급격히 변화하면서 의학과 BT, IT 등이 융합하여 다변화된 IT 기반 의료 서비스의 수요가 증가하고 있다. 이에 따라 임상진료의 표준(standard)과 가이드 라인도 날로 고도화되고 있으며 이를 진료 현장에서 환자 중심으로 보다 용이하게 적용하기 위하여 인공지능이 개발되고 있다. 인공지능 (Artificial Intelligence) 은 의료진의 임상 진료의 질을 향상시킬 뿐만 아니라 환자의 자가 관리 능력도 향상시킬 것으로 기대된다. 의료행위에서 발생하는 모든 의사결정 (Decision Making) 은 환자의 모든 특성을 고려해야 한다. 임상정보(임상병리검사, 혈액검사, 기타 모든 임상 지표들)뿐만 아니라 개인정보, 개인병력, 가족병력, 식습관, 물, 생활습관, 물리적 주거환경, 폭력 노출 정도, 기타 건강에 영향을 미칠 수 있는 인자들이 모두 포함된다. 이 모든 인자들을 종합적으로 분석하여 의사결정을 한다면 개별 환자의 특성을 고려한 최적화된 맞춤형 진료가 가능하다. 현재는 이 모든 정보들의 상호 연계 및 분석과 종합적 판단을 개별 의료진의 역량에 의존하므로 체계적 연계성이 부족할 개연성이 있다. 담당 의료진이 변경되는 경우에는 이러한 분석이 다시 이루어져야 한다. 또한, 외래 환자의 증가에 따라 의료서비스의 질적 저하도 가능하다. 의료진이 환자 맞춤형 질병 치료 및 예방을 위하여 보다 정확 신속한 의사결정을 내리도록 환자의 기본정보와 임상정보를 기 구축된 다양한 의료정보와 비교 분석하여 적합한 의료정보를 지원하는 기반기술이 인공지능이다. 인공지능은 인간의 의사결정 과정을 시스템화 하여 의사결정에 도움이 되는 데이터 (Data) 를 단순 제공하는 수준을 넘어 다양한 정보를 복합적으로 적용하여 통계 (Statistics), 데이타 마이닝 (Data Mining) 및 예측분석 등 자체적인 데이터 처리와 판단을 수행하고, 분석 결과를 의료현장에 제공하여 정확한 의사결정과 오류 방지를 지원하는 시스템이다. 인공지능 의사의 임무는 명의에게 진료기술과 전문성의 신무기를 제공하여 생명 공동체의 건강을 향상시키는 것이다. 즉, 의료진의 진료 수준을 고도화하고 의료기관의 첨단화를 추진하며, 환자의 능동적 참여를 용이하게 하여 치료효과를 극대화한다. 또한, 지역사회 건강을 효율적으로 관리한다. 인공지능 의사가 사용하는 기술은 컴퓨터 지원 환자 관리 전문가시스템 (Expert System) 인 임상진단지원시스템 (CDSS: Clinical Decision Support System) 이다. CDSS 구축에 사용되는 기반기술은 Data Mining 알고리즘으로서, 대표적으로 규칙기반 추론 (Production Rule), 인공신경망(ANN: Artificial Neural Network), Image Processing, Pattern matching, 의사결정 트리 (Decision Tree) 등이다. 빅데이터 (Big Data) 분석은 이 모든 정보를 종합 분석하여 결론을 추론한다. 인공지능 알고리즘들은 상호보완적으로 사용되어 최적의 질병 예측 (Prediction) 시스템을 구축한다. 이 알고리즘들은 머신러닝 (Machine Learning) 알고리즘을 통하여 자가 진화형 관리 프로그램으로 진화하고 있다. 환자정보에서 질병 패턴을 학습하며 날로 고도화하여 질병에 대한 조기 진단 (Diagnosis), 치료, 예후 그리고 질병 경과 예측인자, 위험인자를 활용한 효율적 환자관리를 유도할 수 있다. 현재 IBM의 왓슨 (Watson) 이 대표적이다. Watson은 인공지능을 CDSS뿐만 아니라 Genomics, 신약 개발 및 기존 약제의 새로운 적응증 발견, 원격진료와 지역사회 건강관리에도 적용하고 있다. 이 기술이 발전하면 공상과학영화처럼 한번 스캔하면 진단, 다시 스캔하면 완치되는 의료기기가 탄생할 수 있다. 인류가 인간의 지능 (Intelligence) 지수를 능가하는 인공지능을 만든 것은 인류의 역사적인 과학적 승리이자 신기원이다. 이는 하인이 똑똑하면 주인이 편하다는 면에서 인류에게 희소식이다. 그런데 인공지능이 진화를 거듭하다 감정 (Emotion), 자기보존본능, 종족보존본능을 습득하여 자기방어와 복제를 원하게 되면 자칫 기계 대 인간의 전쟁이 막을 올린다. 인공지능 기계가 진화하여 인간과 생존을 다투는 영화 ‘터미네이터’ 가 가상 시나리오에서 현실이 되는 것이다. 따라서 인류 안전의 담보를 위하여, 잠재적 위험에 대한 선제적 조치로서 인공지능의 개발, 유지, 운영에 관하여 전문가가 참여하는 위험요소 정의 및 국제표준 도출이 요구된다. FTA 시장 개방 환경에서 국내 의료 산업 활성화 및 고용 창출이 요구되고 있는 현재, 인공지능은 무서운 힘과 효용성을 보여 주며 의료 분야에서도 적용범위를 급속히 확장하고 있다. 하지만 우리나라는 인공지능 분야에서 세계 최고 미국에 기술격차 2.6년, 기술수준은 75%에 머물고 있다. 이는 하늘과 땅 차이이다. 우리가 2.6년간 발전하는 동안 선진국은 훨씬 멀리 앞서가고 있을 것이다. 현재 세계 기업 가치 순위에서 1∼4위는 애플, 구글, 마이크로소프트, 페이스북 등 소프트웨어·컨텐츠 기업이 독차지하고 있다. 인류 문명이 철기시대에서 소프트웨어 시대로 이행하는 시대적 전환점에서 우리는 인공지능과 소프트웨어 산업에 총체적 역량을 기울여야 한다.