不確実性が私たちの決断にどう影響するか
不確実な状況での意思決定に対する感情の影響を探ってみよう。
― 0 分で読む
目次
不確実性は誰もが経験することだよね。日常生活でも特定のタスクでも、決断を導く明確な情報が不足してることがよくある。例えば、予測不可能な天候の中を飛ぶパイロットは、不確かな条件に基づいて素早く選択をしなきゃいけない。しかし、脳にはこの不確実性に対処する方法があるんだ。
脳が不確実性を処理する方法
従来、科学者たちは脳がベイズ推論という賢い方法を使って不確実な状況に対処していると考えている。曖昧な情報に直面したとき、脳は過去の経験を考慮して目の前の状況を理解しようとする。情報の信頼性に基づいて異なる情報を評価するんだ。要するに、不確実な状況に直面すると、脳は知ってることを引き出して決断を助ける。このプロセスは、新しい情報を以前の知識と組み合わせて、状況をより明確に理解することを含むんだ。
従来のモデルの欠点
これらの従来のモデルが多くの状況でうまく機能する一方で、人間の行動は必ずしもこのルールに従うわけじゃない。具体的な例が「連続依存」と呼ばれるもので、これは我々の決断が直前に見た情報に影響を受けることを指す。例えば、前の選択があまり明確でなかった場合、次の決断に影響を与えることがある。従来のモデルでは、過去の選択が不明瞭だったら、現在のより明確な選択に依存するはずだと予測する。しかし、研究では混合された結果が示されている。時には、直前の経験が次に見るものよりも影響を大きく及ぼすことがある、特に両方の選択が不明瞭なときにはね。
決断に影響を与える要因
この連続依存に影響を与える要因はいくつかある。自分の選択に対する自信、注意を払っている度合い、そして以前見た情報に基づく期待がそれだ。不確実に直面すると、「もしこの選択が不明瞭なら、次のものもそうかもしれない」と考えることがある。この思考プロセスは時間とともに情報の組み合わせ方を変えるかもしれない。自分の感情やパフォーマンスに対する信念が、決断を下す際に重要な役割を果たすんだ。
研究の内容
今回の研究では、これらの内的状態が連続依存にどう影響するかを探った。まず、不確実性のレベルが変化すると参加者がタスクで異なるオリエンテーションを平均化する能力にどう影響するかを見た。前の選択が不明瞭なとき、参加者はその選択により依存して次の決断を下すことが分かった。このパターンは特に両方の選択が不確かなときに強く表れた。
これをよりよく理解するために、人々が長時間不確実に直面すると内的状態が変わり、過去の選択に依存しやすくなるというモデルを作った。そして、これが不確実性のレベルが一定のままでも当てはまるかどうかを確認したかった。
内的状態とフィードバック
このアイデアを試すために、フィードバックを通して参加者のパフォーマンスに対する感情を操作した。ネガティブなフィードバックを頻繁に受け取る環境と、ポジティブなフィードバックを受け取る環境の2つを用意した。驚くべきことに、挑戦のレベルが同じでも、参加者の決断は自己評価によって変わった。パフォーマンスが悪いと信じていると、過去の選択に依存する傾向が大幅に増加した。
実験の結果
最初の実験では、参加者に視覚刺激の平均オリエンテーションを判断させた。異なる不確実性の条件でこのタスクをテストした。結果は、前の視覚選択が不明瞭なとき、参加者はその選択に依存する傾向があり、従来のモデルと矛盾することが分かった。つまり、より明確な現在の選択が常により良い決断につながるわけではなかった。
2回目の実験では、フィードバックを導入して参加者の内的状態がどう変わるかを見た。参加者は自分のパフォーマンスについてのさまざまなフィードバックを受け取った。結果は、自分のパフォーマンスが悪いと感じた参加者が、良いと感じた参加者よりも前の選択に依存する傾向が強かったことを示した。
意義の理解
これらの発見は、連続依存が以前考えられていたよりも柔軟であり、人々のパフォーマンスに対する感情に大きく影響されることを示唆している。つまり、内的状態が新しい情報の解釈や選択に与える影響は大きいんだ。
視点の変化
従来のモデルは、決定が外的要因、すなわち提示された選択の複雑さにのみ依存するものだと仮定していた。しかし、我々の研究は、選択に対する感情や信念、過去の経験が同じくらい重要な役割を果たすことを明らかにしている。不確実性の認識がどう変わるか、そして感情に基づいてどのように意思決定の戦略を適応させるかが、異なる結果をもたらすんだ。
この視点は、認知プロセスが感覚情報とどう相互作用するかについてのさらなる探求の扉を開く。脳が外的データを単純に処理する器官ではなく、メンタルな状態が意思決定プロセスを動的に調整することを示唆している。
記憶と経験の役割
もう一つの重要な点は、過去の経験が知識だけでなく、現在の決定にも影響を与えることだ。同じ情報が、以前の経験によって異なる反応を引き起こすことがある。この適応性は、新しい情報に基づいて理解を更新し続けることを意味し、特に予測不可能な状況では有益なんだ。
将来の方向性
我々の発見は、これらの内的状態が継続的な経験の中でどう進化するのかを探る必要があることを示唆している。この適応性を理解することで、教育やパイロット訓練など、プレッシャーの下での意思決定が重要なさまざまな分野でより良い戦略が生まれるかもしれない。
結論
まとめると、不確実性は我々の意思決定に大きな役割を果たしている。従来のモデルは貴重な洞察を提供するが、全体像を捉えきれていない。我々のパフォーマンスに対する感情や過去の選択の信頼性が、新しい情報の解釈に大きく影響する。内的状態の重要性を認識することで、人間の知覚や認知がどう働くかについてより深い理解が得られる。この視点の変化は、既存のモデルを洗練させ、現実のシナリオでの応用を改善する助けになるかもしれない。
タイトル: It's not the spoon that bends: Internal states of the observer determine serial dependence
概要: Traditional views suggest that human perception handles uncertainty using optimal strategies. For instance, when prior stimuli are more reliable than current ones, perceptual decisions rely more on the past, leading to stronger serial dependence. Here, we report findings that challenge this view. We asked human observers to reproduce the average orientation of an ensemble of stimuli under varying stimulus uncertainty. Contrary to optimal strategies, we found that serial dependence is stronger when prior stimuli are more uncertain. We hypothesize that fluctuations in stimulus uncertainty may influence internal states of observers, such as participants expectations about uncertainty and beliefs about their own performance. A striking finding is that manipulating these internal states through rigged feedback can yield drastic effects on serial dependence, even when external input (i.e., stimulus uncertainty) remained constant. Our findings suggest that phenomena like serial dependence can be better understood by considering internal states of the observer, beyond fixed computations and optimal strategies.
著者: Ayberk Ozkirli, D. Pascucci
最終更新: 2024-05-14 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2023.10.19.563128
ソースPDF: https://www.biorxiv.org/content/10.1101/2023.10.19.563128.full.pdf
ライセンス: https://creativecommons.org/licenses/by-nc/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。