Credit:CC0 Public Domain普林斯顿大学的一组研究人员与Worce ster理工学院的一组研究人员一起，开发了一种利用大规模数据集实验和机器学习发现决策新理论的方法。在他们发表在《科学》杂志上的论文中，该小组描述了他们使用一个常见的权衡实验来生成大型数据集的方法，用于测试和开发围绕人类决策的新理论。宾夕法尼亚大学和上海外国语大学的·巴蒂亚和·何分别在同一期杂志上发表了一篇观点文章，概述了决策理论的当前问题以及团队在这项新工作中所做的工作。人类做出决定的过程有时既复杂又似乎武断——尽管如此，心理学家希望更好地理解这一过程，以此来更好地预测人们在各种情况下可能做出的决定。为此，试图描述人类决策的理论得到了发展。但是正如研究人员所指出的，大多数在现实世界中并不太有用，并且很难相互区分。在这项新的努力中，研究人员试图添加一种新的工具来测试当前的理论，并帮助开发新的更好的理论。该方法使用机器学习来帮助开发使用大数据集的决策理论。
以前发展决策理论的努力通常涉及使用非常小的数据集，因为它们依赖于大量的初始假设。这样的理论很少会被相互检验。为了克服这两个问题，研究人员开始使用一个共同的决策实验，让志愿者在两个明确的选择之间做出决定。这些操作通常包括选择接受两笔钱中的哪一笔。举个例子，他们可能会被要求在100美元和90%的概率之间做出选择。这样的实验可以在成千上万的人身上进行，从而产生非常大的数据集。
在使用这种方法时，研究人员使用了一个包含10，000个响应的数据集，发现他们的系统能够“以非常高的准确率模拟人类的决策”，他们声称它大大优于现有的模型。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
