Predecir el aprendizaje interactivo humano mediante redes neuronales impulsadas por el arrepentimiento

Área de la Ciencia:

• Ciencias Cognitivas Ciencias Cognitivas.
• La neurociencia es la neurociencia.
• Teoría de juegos Teoría de juegos.

Sus antecedentes:

• El aprendizaje humano en contextos sociales es intrínsecamente interactivo, con el aprendizaje individual influenciado por el aprendizaje concurrente de otros.
• Los juegos sirven como modelo estándar para escenarios de toma de decisiones interactivas.
• Comprender y predecir el aprendizaje interactivo es crucial en contextos sociales.

Objetivo del estudio:

• Explorar la eficacia de las redes neuronales en el modelado y la predicción del aprendizaje interactivo humano dentro de entornos de juego repetidos.
• Evaluar el impacto de la retroalimentación basada en el arrepentimiento en la precisión predictiva de estos modelos.
• Para comparar el rendimiento de los modelos de redes neuronales basadas en el arrepentimiento con los modelos económicos establecidos.

Principales métodos:

• Utilizó redes neuronales simples diseñadas para simular procesos de aprendizaje.
• Incorporó mecanismos de retroalimentación basados en el arrepentimiento en las redes de aprendizaje.
• Probó los modelos en 21 juegos diversos con equilibrios únicos de estrategia mixta.
• Comparó las predicciones del modelo con el comportamiento humano observado en entornos experimentales.

Principales resultados:

• Incluso las redes neuronales básicas con retroalimentación basada en el arrepentimiento predijeron con precisión el comportamiento humano en juegos repetidos.
• La inclusión del arrepentimiento en el mecanismo de retroalimentación mejoró sustancialmente el rendimiento predictivo de la red neuronal.
• Los modelos basados en el arrepentimiento demostraron capacidades predictivas superiores en comparación con los modelos económicos convencionales.

Conclusiones:

• Las redes neuronales, particularmente cuando incorporan retroalimentación basada en el arrepentimiento, ofrecen una poderosa herramienta para modelar el aprendizaje interactivo humano.
• El arrepentimiento es un factor clave en el aprendizaje social que puede ser efectivamente capturado por modelos computacionales.
• Estos hallazgos sugieren una dirección prometedora para avanzar en nuestra comprensión de la toma de decisiones interactivas y el aprendizaje social a través de enfoques computacionales.