Utilizando experimentos a gran escala y aprendizaje automático para descubrir teorías de toma de decisiones humanas

Área de la Ciencia:

• Psicología cognitiva
• Neurociencia computacional
• Economía del comportamiento

Sus antecedentes:

• Comprender la toma de decisiones humanas es crucial en las ciencias sociales y la ingeniería.
• Los modelos cuantitativos son clave para predecir las elecciones, pero las teorías existentes tienen limitaciones.

Objetivo del estudio:

• Acelerar el progreso en la comprensión de la toma de decisiones humanas.
• Desarrollar teorías psicológicas interpretables utilizando el aprendizaje automático.
• Para descubrir un modelo más preciso de comportamiento de elección de riesgo.

Principales métodos:

• Llevamos a cabo el mayor experimento sobre elecciones arriesgadas hasta la fecha.
• Utilizó grandes conjuntos de datos para impulsar algoritmos de aprendizaje automático.
• Optimización basada en gradientes de teorías de decisión diferenciables empleadas a través de redes neuronales artificiales.

Principales resultados:

• Recapitulado con éxito los descubrimientos históricos en la investigación de la toma de decisiones.
• Demostró que las teorías existentes pueden mejorarse.
• Descubrió un nuevo y más preciso modelo de toma de decisiones humanas.

Conclusiones:

• El aprendizaje automático, limitado por la interpretabilidad, puede avanzar en la teoría psicológica.
• El nuevo modelo ofrece una mayor precisión al tiempo que conserva las ideas de las teorías establecidas.
• Este enfoque facilita una comprensión más profunda de las elecciones de riesgo y el comportamiento humano.