A simple artificial life model explains irrational behavior in human decision-making

• Processo: 12/05211-7
• Modalidade de apoio: Auxílio à Pesquisa - Publicações científicas - Artigo
• Data de Início da vigência: 01 de junho de 2012
• Data de Término da vigência: 30 de novembro de 2012
• Área do conhecimento: Ciências Biológicas - Fisiologia - Fisiologia de Órgãos e Sistemas
• Pesquisador responsável: Marcus Vinícius Chrysóstomo Baldo
• Beneficiário: Marcus Vinícius Chrysóstomo Baldo
• Instituição Sede: Instituto de Ciências Biomédicas (ICB). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Neurociências Redes neurais (computação) Tomada de decisão Publicações de divulgação científica Artigo científico
• Palavra(s)-Chave do Pesquisador: Artificial Life | Decision-Making | neural networks | probability matching | Neurociências

Resumo

Apesar de serem elogiados por sua racionalidade, os seres humanos muitas vezes tomam decisões ruins, mesmo em situações simples. No experimento de escolha binária repetida, um indivíduo tem que escolher repetidamente entre as mesmas duas alternativas e uma recompensa é atribuída a uma delas com probabilidade fixa. A estratégia ótima é perseverar em escolher a alternativa como o melhor retorno esperado. Enquanto muitas espécies perseveram, os seres humanos tendem a parear as frequências de suas escolhas às frequências das alternativas, uma estratégia sub-ótima conhecida como pareamento de probabilidades. O nosso objetivo era encontrar as restrições cognitivas primárias sob as quais um conjunto de regras evolutivas simples podem levar a tais comportamentos contrastantes. Nós simulamos a evolução de populações artificiais, onde o valor adaptativo de cada animat (animal artificial) dependia de sua habilidade em prever o próximo elemento de uma sequência composta por uma cadeia binária de tamanho variável que se repetia. Quando a cadeia era curta em relação à capacidade neural dos animats, eles podiam aprendê-la e corretamente prever o próximo elemento da sequência. Quando ela era longa, eles não podiam aprendê-la, valendo-se da próxima melhor opção: perseverar. Os animats da última geração então realizavam a tarefa de prever o próximo elemento de uma sequência binária não periódica. Nós encontramos que, enquanto animats com capacidade neural menor continuaram a perseverar na melhor alternativa como anteriormente, animats com capacidade neural maior, que tinham previamente sido capazes de aprender o padrão de cadeias que se repetiam, adotaram pareamento de probabilidades, tendo seu desempenho superado pelo dos animais que perseveravam. Nossos resultados demonstram como a habilidade de fazer previsões em um ambiente dotado de padrões regulares pode levar ao pareamento de probabilidades sob condições menos estruturadas. Eles apontam para o pareamento de probabilidades como um provável sub-produto de estratégias cognitivas adaptativas que foram cruciais na evolução humana, mas que podem levar ao desempenho sub-ótimo em outros ambientes. (AU)