决策、理性和推理

利用重叠的年度会议在芝加哥,APS和行为分析协会(ABA)共同提出了一个研讨会”决策,理性和推理:从人类的动物,“展示一些最新的研究(为什么)动物和人类做出某些决定。

根据艾伦Neuringer,里德学院,自愿决策被定义为一个行为在一个可预测的能力,半随机或完全随机的方式取决于环境和/或信号的接收。在一个不确定的环境显然没有更好的选择,你的选择是做或多或少根据机会。一旦收到从选择正面强化,它成为首选,Neuringer证明在一个实验中,他奖励老鼠时改变了他们的杠杆压模式。Neuringer也表明,人们这种反应能力随机或可以预见人类决策的定义特征。他讨论了前一个实验中,参与者被要求观看一个简单的游戏被打在电脑屏幕上,确定“玩家”是人类。所有的“玩家”实际上是计算机算法,但一些编程从随机的固定模式,不同程度的可预测性和参与者实际上更容易识别这些“不同veritability”算法作为人类和标签后明显模式作为人工智能。

一定的随机性可能标志着我们的决策,但我们大多数人试图根据未来潜在的结果做出好的选择。然而,我们的预测可能有时有点过于乐观。APS的和创办人彼得Killeen亚利桑那州立大学,在他的谈话中,提到“人们似乎折扣不久的将来太严重了。“使用微分方程(他形容为“贴现函数之母”),基林说明了人们通常附加价值未来现状或银行家的结果看起来不一致的标准,但这是有意义的,当一个人承认他们是贴现效用,这是美元价值的凹函数。同样,伦纳德绿色,圣路易斯华盛顿大学,讨论的过程“延迟贴现”——减少主观价值,人们在延迟奖励。这个过程也许可以解释为什么我们经常冲动,选择较小但更快的回报而不是等待更大的回报。绿色用鸽子和老鼠在他的实验来确定动物折扣延迟食物以相同的方式,他的人类参与者折扣延迟的钱。虽然他指出人类大幅折扣低于鸽子和老鼠,他似乎发现,动物和人类都使用类似的过程,遵循相同的数学函数,在决策涉及延迟奖励。

普遍观点认为,一个复杂的问题必须解决一个复杂的方法。然而,根据Gerd Gigerenzer马克斯普朗克人类发展,不需要这样。吉仁泽检查了令人难以置信的复杂的决策树,医生在冠心病监护病房使用来确定是否承认一个病人。他发现相同的医生能够做出更好的决定承认病人在使用一个更简单的决策树。更多的信息并不总是更好的,有时一个快速和简单的启发式是一种更有效的方法。正如吉仁泽所说:“一个动物或人类良好的预测,一些信息必须被忽略。”

决策是复杂的,研究提出APS-ABA研讨会可能不会让他们更容易,但有更好的理解人类和动物决策的机制和怪癖,也许我们可以学会做出正确的选择。指望它。