Гибридная модель показывает: в сложных играх люди действуют менее рационально, а в простых – более предсказуемо.

Исследователи из Принстонского университета, Бостонского университета и других институтов использовали машинное обучение для прогнозирования стратегических решений людей в различных играх. Их работа, опубликованная в журнале Nature Human Behavior, демонстрирует, что глубокая нейронная сеть, обученная на данных о человеческих решениях, способна предсказывать стратегический выбор игроков с высокой точностью.

По сути, команда предполагает, что люди ведут себя более рационально в играх, которые воспринимают как простые. Напротив, в более сложных играх выбор людей может зависеть от множества других факторов, что увеличивает "шум", влияющий на их поведение.

В рамках будущих исследований ученые также планируют более глубоко изучить, что делает игру "сложной" или "легкой". Это может быть достигнуто с помощью параметра контекстно-зависимого шума, который они интегрировали в свою модель как индикатор "воспринимаемой сложности". "Наш анализ предоставляет надежную модель сравнения широкого спектра кандидатов для моделей принятия решений, – заявил Цзянь-Цяо Чжу (Jian-Qiao Zhu), первый автор работы. – Мы получили убедительные доказательства того, что введение контекстной зависимости в модель квантового отклика значительно улучшает ее способность улавливать человеческое стратегическое поведение. В частности, мы выявили ключевые факторы в матрице игры, которые определяют сложность игры: соображения эффективности, арифметическая сложность вычисления разницы в выигрышах и глубина рассуждений, необходимых для достижения рационального решения".

Результаты, полученные в ходе этого исследования, также подчеркивают легкость, с которой многие люди подходят к стратегическим решениям, что может сделать их уязвимыми для сторон, стремящихся склонить их к принятию иррациональных решений. Получив больше информации о факторах, которые делают игры и сценарии принятия решений более сложными для людей, Чжу и его коллеги надеются начать разработку новых поведенческих интервенций, направленных на то, чтобы побудить людей принимать более рациональные решения.