在人工智能中，我们通过效用(utilities)描述智能体在特定状态下采取某种行为的后果。例如，两个智能体A和B对弈，如果经过一系列步骤，A赢了，可以设其行为的效用为1，如果A输了，就设其效用为-1。类似地，我们也可以用效用描述人的感受。例如，一个人喜欢吃冰淇淋，如果通过他的行为，没有得到冰淇淋，就设这个行为的效用是0，如果得到了一个冰淇淋球，就设效用是1，如果得到两个球就设效用是2。一般情况下，我们认为人类是“理性的”，即始终选取效用最大的行为，但事实并非如此。我们来看一个彩票的例子。
为了便于量化，并排除行为的阻力等因素，心理学家做了一个简单的摸彩票的实验。每个受试者都会面临两个选择，要么去摸一张彩票，要么直接获得X元的现金。彩票有50%的概率开出1000元的现金，还有50%的概率不会开出任何奖金。心理学家不断调整X的数额，并记录受试者的反应。实验结果表明，当X为400时，仍有超过一半的受试者选择获得现金，而不是去摸彩票。
这与最大效用期望理论并不相符，也就是说，多数人在这个实验中选择了次优解，而不是最优解。而导致这种行为的原因在于，实验中包含了一个特殊的因素——风险。
由于风险的存在，效用不能简单地使用加权收益来刻画。我们有两个概念与此相关，一个是期望收益，即收益的加权平均，在上面的例子中期望收益是500元；另一个是等效收益，即可替换的无风险收益，在上面的例子中是400元。一般而言，等效收益会小于期望收益，而他们的差价称为保险费(insurance premium)，即人为了规避风险必须付出的代价。保险公司挣的正是这笔保险费。
我们还有一个疑惑：人始终是规避风险的么？在什么样的情况下人更乐意接受风险呢？Allais在1953年做过一个经典的实验。
第一组实验，让受试者在A和B中做出选择。选A有80%的概率获得4000元，有20%的概率一无所获，选B一定可以获得3000元。结果多数受试者选了B。第二组实验在C和D中选择，选C有20%的概率获得4000元，选D有25%的概率获得3000元。这一次，多数受试者选了C。
很奇怪，这两组结果看上去是矛盾的。第一组中的受试者倾向于规避风险，而第二组的受试者却迎合风险，争取收益的最大化。为什么会这样？
事实表明，第一组中20%的风险起到了决定性的作用。当人们本可以稳稳当当地获得收益，却选择冒着风险最终一无所获的时候，除了金钱的损失，还想到了什么？悔恨？自责？但是效用模型中并没有考虑这些情绪因素啊！正是由于这个模型过于简单，才导致了人类“非理性”选择“次优解”的行为。当风险较大且不可避免时，人类一般会服从理性的判断，争取最大的收益。