在上個世紀50年代時，我們第一個想法就是在不确定的情況下怎麼進行決策。
我們來看一些标準的政策過程。首先，我們會觀察目标值Y，然後要選擇action（行動）A，來讓它的期望值達到最好的效果。我們把這樣的決策進行模組化：E[U|A, Y]，希望把期望的效應達到最大化。
我們可以将該不确定性模型定義為P[U|A, Y]，這在任意一本有關人工智能的書或者經濟學的書裡都可以看到。
看看上面這個圖，我們這邊有兩種不同的action：action a1和action a2。如果選擇a1會得到如紅線所示的結果，如果選擇a2會得到如藍線所示的結果。兩者期望的效益是一樣的，但是a2的變化較大一些，有較高的上行風險和下行風險。
如果說對它們進行優化，兩種都非常好，但是很多人對AI 系統裡面的風險非常的敏感。如果說你對于風險敏感，那麼更多地可能會選擇a1。