使用機械學習來發現「人類決策」的理論

如果能預測人類的決策，這不就等同於預測人類的未來!?

有一部科幻美劇[Foundation 基地]圖1影1，將心理學結合數學的分析作為預測全人類未來的基礎，出乎意料在2021 SCIENCE頂尖期刊上也發表了一篇，透過大規模實驗去發現人類的決策理論。

圖1

進入研究本身，人們做風險的選擇，是決策理論中最基本且有廣泛研究的問題之一。

圖2a 每一場賭博都有一組不同的收益和機率

圖2d 基礎理論Expected Utility 簡稱EU模型，此處的x 是收益值，p是獲得收益的機率，u函式可以定義為一種心理決策想法，舉例來說：高收益x低機率 vs 低收益x高機率，兩者的期望值相同的情況，每一個人在下決策時，不一定會採用期望值的方式去評估，u函式就是每一個人對於不同機率跟收益時的函數式。

圖2a

圖2d

圖3a 透過機械學習，使用大規模真實數據，訓練模型優化EU Model 的u函數式，可以由圖看見藍色實線快速下降，模型很快地收斂，找到最佳的u函數。

圖3a右側，顯示Y軸是人類預期會得到的效益，X軸是客觀的收益，可以由圖的走勢發現，人類的主觀的預期收益並非與客觀收益呈現線性，意味著大多數人的決策並非單純採用賭博的期望值，人類對於不同機率時，會有非線性的認知。

圖3a

圖4b 可以看到神經網路所訓練的模型，比起傳統模型預測效果更好，這說明神經網路可以重現並超越已有的心理學研究。

圖4b

過往人類研究人員開發的決策模型往往優於機械學習，但當有更多的數據可用時，這種趨勢將會逆轉。

也許就如同科幻片中所呈現，當全人類的行為跟數據可分析，並且有極大量的數據進行訓練，也許真的能預測群體的未來方向。

撰文：許楷翊

原始論文：Peterson, J. C., Bourgin, D. D., Agrawal, M., Reichman, D., & Griffiths, T. L. (2021). Using large-scale experiments and machine learning to discover theories of human decision-making. Science, 372(6547), 1209-1214.