تحقیقات جدید نشان می‌دهد آنچه تاکنون درباره منطقی بودن تصمیم‌گیری انسان‌ها تصور می‌شد، ممکن است نیاز به بازنگری اساسی داشته باشد.

به گزارش ایتنا و به نقل از سای‌تک‌دیلی، مارسلوی ماتار، استادیار روانشناسی دانشگاه نیویورک و از نویسندگان این مطالعه در این باره توضیح می‌دهد: «به جای فرض کردن درباره چگونگی یادگیری مغز برای بهینه‌سازی تصمیم‌ها، رویکردی جایگزین توسعه دادیم تا بفهمیم مغزها در عمل چگونه تصمیم می‌گیرند. این روش مانند یک کارآگاه، شیوه‌های واقعی تصمیم‌گیری انسان‌ها و حیوانات را آشکار می‌کند.»

بر این اساس، پژوهشگران از شبکه‌های عصبی کوچکی استفاده کرده‌اند که نسخه‌های ساده‌شده شبکه‌های مورد استفاده در کاربردهای تجاری هوش مصنوعی هستند.

گفتنی است این شبکه‌های کوچک نه‌تنها از مدل‌های شناختی سنتی بهتر عمل می‌کنند، بلکه الگوهای رفتاری زیربهینه را نیز آشکار می‌سازند.

جی-آن لی، دانشجوی دکتری علوم اعصاب دانشگاه کالیفرنیا و از نویسندگان این مطالعه، می‌افزاید: «مزیت شبکه‌های بسیار کوچک این است که با ابزارهای ریاضی می‌توان دلایل و مکانیسم‌های پشت انتخاب‌های افراد را تفسیر کرد، کاری که با شبکه‌های بزرگ هوش مصنوعی دشوارتر است.»

مارکوس بنا، استادیار نوروبیولوژی دانشگاه کالیفرنیا، در این زمینه توضیح می‌دهد: «شبکه‌های عصبی بزرگ در پیش‌بینی‌ها عالی هستند، اما توضیح استراتژی‌های آنها دشوار است».

وی ادامه می‌دهد: «با آموزش ساده‌ترین نسخه‌های این مدل‌ها برای پیش‌بینی انتخاب‌های حیوانات و تحلیل دینامیک آنها با روش‌های فیزیکی، می‌توانیم عملکرد درونی آنها را به زبانی قابل‌فهم روشن کنیم.»

گفته می‌شود که این مدل جدید نه‌تنها فرآیندهای تصمیم‌گیری انسان‌ها، پستانداران غیرانسان و موش‌های آزمایشگاهی را به خوبی پیش‌بینی کرده، بلکه توانسته است تصمیم‌های زیربهینه را نیز – که بازتاب‌دهنده طبیعت واقعی تصمیم‌گیری در جهان واقعی هستند – پیش‌بینی کند.