사람들은 그룹에서 어떻게 결정을 내리는가?

: By Rajesh Rao와 Koosha Khalvati

방문해 주셔서 감사합니다 InnerSelf.com, 있는 곳에 20,000+ "새로운 태도와 새로운 가능성"을 홍보하는 삶을 변화시키는 기사. 모든 기사는 다음으로 번역됩니다. 30 개 이상의 언어. 확인 매주 발행되는 InnerSelf Magazine과 Marie T Russell의 Daily Inspiration에 게재됩니다. InnerSelf 매거진 1985년부터 출판되었다.

사람들이 그룹에서 결정을 내리는 방법

인공 지능과 로봇 공학에 기반을 둔 수학적 프레임 워크를 사용하여 연구원들은 사람들이 그룹으로 의사 결정을 내리는 프로세스를 밝혀 냈습니다.

연구원들은 또한 전통적인 설명 방법보다 사람의 선택을 더 자주 예측할 수 있다는 것을 발견했습니다.

본질적으로 익명의 구성원으로 구성된 대규모 그룹에서 사람들은“그룹의 마음”모델과 선택이 이론화 된 마음에 어떤 영향을 미치는지에 대한 진화하는 시뮬레이션을 바탕으로 선택을합니다.

"우리의 결과는 인간이 특정 그룹의 구성원으로서 행동하는 방식을 지시하는 데있어 소셜 미디어의 역할이 증가하고 있다는 점에서 특히 흥미 롭습니다."라고 워싱턴 대학의 Paul G. Allen 컴퓨터 과학 및 공학 대학 교수 인 Rajesh Rao는 말합니다. 신경 기술 센터의 공동 책임자.

"우리는 거의 인간의 마음을 엿볼 수 있고 집단적인 결정을 내리기위한 기본적인 계산 메커니즘을 분석 할 수 있습니다."

우리의 행동과 그룹

Rao는“온라인 포럼 및 소셜 미디어 그룹에서 익명 그룹 회원의 결합 된 행동은 다음 행동에 영향을 줄 수 있으며, 반대로 자신의 행동은 전체 그룹의 미래 행동을 변화시킬 수 있습니다.

연구원들은 이와 같은 설정에서 어떤 메커니즘이 작동하는지 확인하고 싶었습니다.

이 논문에서, 인간 행동은 미래의 환경 상태에 대한 예측 (어떤 일이 일어날 지에 대한 최선의 추측)에 의존하며, 그 환경에 대한 불확실성의 정도는 사회 환경에서“극적으로”증가한다고 설명합니다. 다른 사람이 관여 할 때 발생할 수있는 일을 예측하기 위해 사람은 다른 사람의 마음을 모델로하여 마음의 이론이라고하며, 그 모델을 사용하여 자신의 행동이 다른“마음”에 어떤 영향을 미치는지 시뮬레이션합니다.

이 행동은 일대일 상호 작용에 잘 작동하지만 대규모 그룹의 개별 마음을 모델링하는 기능은 훨씬 어렵습니다. 새로운 연구에 따르면 인간은 다른 사람의 신원을 알 수없는 경우에도 그룹을 대표하는“마음”의 평균 모델을 만듭니다.

그룹 의사 결정에서 발생하는 복잡성을 조사하기 위해 연구자들은“자원 봉사자의 딜레마 과제”에 중점을 두었습니다. 여기서 일부 개인은 전체 그룹에 혜택을주기 위해 약간의 비용을 감수합니다. 과제의 예는 의무 보호, 헌혈 및 공공 장소에서 폭력 행위를 막기 위해 앞으로 나아가는 것을 포함합니다.

결정 예측

이러한 상황을 모방하고 행동과 두뇌 반응을 연구하기 위해 연구자들은 주제를 하나씩 MRI에 넣고 게임을하도록했다. 공공 재화 게임이라고 불리는 게임에서, 대상의 공동 자금에 대한 주제의 기여는 다른 사람들에게 영향을 미치고 그룹의 모든 사람들이 돌아 오는 것을 결정합니다. 피험자는 달러를 기부하기로 결정하거나 "자유 탑승"을 결정할 수 있습니다. 즉, 다른 사람들이 팟에 기여할 것이라는 희망으로 보상을받는 것은 아닙니다.

총 기부금이 미리 정해진 금액을 초과하면 모든 사람이 2 달러를 돌려받습니다. 주제는 결코 만나지 못한 다른 사람들과 수십 라운드를 연주했습니다. 이 주제에 대해 잘 모르지만, 이전 인간 플레이어를 모방 한 컴퓨터는 실제로 다른 사람들을 시뮬레이션했습니다.

Allen School의 박사 과정생 인 Koosha Khalvati는“우리는 인간의 마음을 엿볼 수 있고 집단 결정을 내리기위한 기본 계산 메커니즘을 분석 할 수 있습니다. “많은 사람들과 상호 작용할 때, 우리는 인간이 평균 그룹 구성원의 의도 모델을 기반으로 미래의 그룹 상호 작용을 예측하려고한다는 것을 발견했습니다. 또한 그들은 자신의 행동이 그룹에 영향을 줄 수 있다는 것도 알고 있습니다. 예를 들어, 그들은 다른 사람들에게 익명이더라도 그들의 이기적인 행동은 미래의 상호 작용에서 그룹의 협력을 감소시키고 바람직하지 않은 결과를 가져올 수 있다는 것을 알고 있습니다.”

연구에서 연구원들은 이러한 행동에 수학 변수를 할당하고 자신의 컴퓨터 모델을 만들어서 플레이 중에 어떤 결정을 내릴지를 예측할 수있었습니다. 그들은 그들의 모델이 강화 학습 모델보다, 즉 플레이어가 이전 라운드가 다른 플레이어와 상관없이 어떻게 지불했는지 또는 어떻게 지불하지 않았는 지에 따라 기여하는 법을 배우는 경우보다 더 전통적인 인간 행동을 예측한다는 것을 발견했습니다.

이 모델이 인간 행동에 대한 정량적 설명을 제공한다는 점을 감안할 때 Rao는 다음과 같은 기계를 만들 때 유용 할 수 있는지 궁금합니다. 인간과 소통하다.

“기계 나 소프트웨어가 많은 사람들과 상호 작용하는 시나리오에서 우리의 결과는 AI에 대한 몇 가지 교훈그는 말했다. " '그룹의 마음'을 시뮬레이트하고 그룹의 행동이 그룹에 미치는 영향을 시뮬레이트하는 기계는 행동이 인간의 가치에 더 잘 부합하는보다 인간 친화적 인 AI로 이어질 수 있습니다."

결과는 과학의 발전.

저자에 관하여

선임 저자 : 워싱턴 대학교의 Paul G. Allen 컴퓨터 과학 및 공학 학교 교수이자 신경 기술 센터의 공동 책임자 인 Rajesh Rao. 주 저자 : Allen School의 박사 과정 학생 Koosha Khalvati.

추가 공동 저자는 UC Davis 출신입니다. 뉴욕 대학교; 그리고 과학 기술인지 연구소 Marc Jeannerod. 국립 정신 건강 연구소 (National Institute of Mental Health), 국립 과학 재단 (National Science Foundation) 및 템플턴 세계 자선 재단 (Templeton World Charity Foundation)이이 자금을 지원했다.

기존 연구