O cérebro humano é muito bom na solução de problemas complexos. Uma das razões é que as pessoas podem interromper os problemas nas subtaretas de gerenciamento que são fáceis de resolver ao mesmo tempo.
Ele nos permite terminar um trabalho diário, como quebrar para o café: sair de nosso prédio de escritórios, navegar na cafeteria e tomar café lá uma vez. Essa técnica nos ajuda a lidar facilmente com os obstáculos. Por exemplo, se o elevador estiver quebrado, podemos corrigir como sair do edifício sem alterar as outras etapas.
Embora existam muitas evidências comportamentais que mostram habilidades humanas nessas tarefas complexas, é difícil criar situações experimentais que permitam as características adequadas das técnicas de cálculo que usamos para resolver problemas.
Em um novo estudo, os pesquisadores do MIT modelam com sucesso como as pessoas implantam diferentes estratégias de tomada de decisão para resolver uma tarefa complexa nesse caso, quando a bola está escondida da cena, prevê como uma bola viaja por um labirinto. O cérebro humano não pode executar completamente essa tarefa porque é impossível rastrear todos os tratores possíveis em paralelo, mas os pesquisadores descobriram que as pessoas podem ter um bom desempenho, fascinando duas técnicas conhecidas como lógica classificada e contra -lógica razoável.
Os pesquisadores foram capazes de determinar a situação sob a qual as pessoas escolhem cada uma dessas técnicas.
“O que as pessoas são capazes de fazer é dividir a subseção esférica e, em seguida, resolver cada etapa usando algoritmos relativamente simples. Efetivamente, quando não temos um problema complicado, operamos usando helicópteros simples, que funcionam, professor de ciência cerebral e cognitiva”, disse o Instituto Médico e o escritor sênior.
Mahdi Ramadan PhD ’24 e estudante de pós -graduação Cheng Tang é o principal autor de Paper, que está presente hoje Comportamento humanoO PhD ’25 de Nicholas Waters também é co-autores.
Racional Estratégia
Quando as pessoas realizam tarefas comuns que têm respostas corretas claras, como classificar objetos, elas têm um desempenho muito bom. Quando as tarefas se tornam mais complicadas, como planejar viajar para o seu café favorito, não há uma resposta mais claramente mais alta. E, em cada etapa, há muitas coisas que podem estar erradas. Nesse caso, as pessoas são muito boas para trabalhar uma solução que concluirá a tarefa, embora possa não ser a melhor solução.
Essas soluções geralmente envolvem atalhos ou hurristas para resolver o problema. Duas pessoas obstinadas proeminentes geralmente dependem do argumento classificado e contra -racional. O argumento classificado é o processo de quebrar quaisquer problemas nas camadas que estão se movendo do normal e da especificação. O argumento contrafactal envolve imaginar o que aconteceu se você tiver outra escolha. Embora essas técnicas sejam bem conhecidas, os cientistas não sabem o quanto é decidido em uma situação específica.
“Esta é uma questão realmente grande no caso da ciência cognitiva: como resolvemos o problema de maneira subapocética, trazendo as hurrísticas inteligentes que nos encerram cada vez mais até resolvermos o problema?” Diz Jazairy.
Para superá -lo, Jazai e seus colegas criaram uma tarefa complicada o suficiente para essas técnicas, mas é fácil medir os resultados e os cálculos que passam entre eles.
Os participantes da tarefa precisam prever um caminho de bola porque está passando pela quatro possíveis trajetórias em um labirinto. Uma vez que a bola entra no labirinto, as pessoas não verão de que maneira ela viaja. Em dois cruzamentos no labirinto, quando a bola chega a esse ponto, eles ouvem um ki audível. A previsão da bola é um ato que é impossível para as pessoas resolverem com perfeita precisão.
“Requer quatro simulações paralelas em sua mente, e nenhum homem pode fazê -lo, é semelhante a quatro conversas de uma só vez”, diz Jazai. “A tarefa nos permite tocar neste conjunto desse algoritmo que as pessoas usam, porque você simplesmente não pode resolver melhor.”
Pesquisadores nomearam cerca de 150 voluntários humanos para participar do estudo. Antes de iniciar a tarefa de rastreamento de bola, os pesquisadores avaliaram com que precisão eles poderiam adivinhar o momento de várias centenas de milissegundos, na época em que a bola levou a bola para viajar para uma esfera.
Para cada participante, os pesquisadores criaram modelos que podem prever os tipos de erros vistos para os participantes (com base em suas habilidades de tempo) se estavam executando simulações paralelas, usando um argumento classificado, usando uma combinação de lógica ou dois argumentos.
Os pesquisadores compararam o desempenho dos sujeitos com as previsões dos modelos e descobriram que, para todos os sujeitos, seu desempenho estava mais intimamente associado a um modelo que usa lógica classificada, mas às vezes muda para a lógica lógica contra a lógica.
Isso sugere que as pessoas quebraram o trabalho em vez de rastrear todos os caminhos possíveis que podem pegar a bola. Primeiro, eles escolheram a direção (esquerda ou direita), onde pensaram que a bola havia se transformado no primeiro cruzamento e rastreando a bola no caminho para a próxima vez. Se eles não fossem compatíveis com o tempo em que ouviram a próxima palavra que ouviram, voltariam e corrigiriam sua primeira previsão – mas apenas algum tempo.
Voltando ao outro, o que representa a mudança da lógica preventiva, as músicas que as pessoas ouviram terão que revisar suas memórias. No entanto, acontece que essas memórias nem sempre são confiáveis e os pesquisadores descobriram que as pessoas decidiram retornar com base em como acreditam bem em suas memórias.
“As pessoas dependem de contrafactuais que são úteis”, diz Jazaii. “As pessoas que danificam um grande desempenho durante o balcão de combate, evitam fazê -lo. Mas se você é alguém que é realmente bom para recuperar informações do passado recente, pode voltar ao outro”.
Restrições das pessoas
Para legalizar ainda mais seus resultados, os pesquisadores criaram uma rede neural de aprendizado de máquina e o treinaram para concluir o trabalho. Um modelo de aprendizado de máquina treinado nesta tarefa rastreará a bola corretamente e fará a previsão certa sempre, a menos que os pesquisadores imporem a restrição ao seu desempenho.
Quando os pesquisadores acrescentaram limitações cognitivas à face das pessoas, descobriram que o modelo havia mudado suas estratégias. Quando eliminam a capacidade de seguir todos os possíveis tragículos, começa a recrutar estratégias classificadas e contra -estratégicas, como os seres humanos. Se os pesquisadores reduzirem a capacidade de recuperação de memória do modelo, apenas se achar que sua recuperação será boa o suficiente para obter a resposta correta – assim como os seres humanos.
“O que recebemos é que as redes que recebemos estão imitando o comportamento das pessoas quando impusemos todos os obstáculos que recebemos no comportamento humano”. “Está realmente dizendo que as pessoas estão trabalhando racionalmente sob os obstáculos em que precisam trabalhar”.
Os pesquisadores também indicaram que as estratégias de comutação pareciam acontecer lentamente, em vez de um ponto de corte distinto, alterando a quantidade de barreiras de memória programadas nos modelos. Agora eles estão estudando mais para determinar o que está acontecendo no cérebro à medida que essas mudanças nas técnicas ocorrem.
Pesquisa significa quem é essa Lisa. Bolsa Young Icon Fellowship, McGowver Institute Student Fellowship, uma bolsa de pesquisa de pós -graduação da National Science Foundation, SIMON’s Foundation, Howard Hughes Medical Institute e McGover Institute foram financiados.
