Избягвайте тази често срещана грешка – учените откриха лесен съвет за вземане на по-добри решения

Ново проучване установява, че излишната информация може да наруши вземането на решения. Това има последици за общественото здраве, което предполага, че опростената и фокусирана информация подобрява избора. Задвижваните от изкуствен интелект чатботове могат да персонализират съвети, за да подобрят ефективността на вземане на решения.

Дори минималното претоварване с информация може да попречи на ефективното вземане на решения според ново изследване от Технологичния институт Стивънс.

Когато хората са изправени пред труден избор, те често инстинктивно търсят широка информация. Въпреки това, последните изследвания, публикувани в сп Когнитивно изследване: принципи и последици Това предполага, че това всъщност може да бъде проблем: този приток на факти и подробности има тенденцията да отслабва, вместо да повишава качеството на вземане на решения.

„Това е контраинтуитивно, защото всички обичаме да мислим, че използваме информацията разумно, за да вземаме интелигентни решения“, каза Саманта Клайнбърг, доцент по Фарбер, водещ автор на статията и компютърен учен в Технологичния институт Стивънс. „Но истината е, че когато става въпрос за информация, повече не е непременно по-добро.“

Прости модели срещу сценарии от реалния свят

За да проучат как хората вземат решения, изследователите обикновено създават прости диаграми – или причинно-следствени модели – които показват как различните фактори логически взаимодействат помежду си, за да постигнат конкретни резултати.

Когато става въпрос за описване на абстрактни хипотетични сценарии, като например как извънземни се състезават на танцово парти, повечето хора могат да разсъждават ефективно за такива модели, защото нямат пристрастия или предубеждения относно извънземните танци. Хората вземат добри решения, защото се фокусират върху предоставената им информация.

Пример за сложен причинно-следствен модел за управление на загубата на тегло, съдържащ подходяща и неподходяща информация. Когато съответната информация не е подчертана във формуляра, участниците вземат лоши решения, когато им бъдат представени поредица от въпроси. Кредит: Технологичен институт Стивънс

но Работата на Клайнберг Когато става въпрос за ежедневни сценарии, като да знаете как да вземате здравословни решения относно храненето например, способността на хората да мислят ефективно почти се изпарява, обяснява той.

„Смятаме, че предишните знания и вярвания на хората ги отвличат от причинно-следствения модел пред тях“, обясни Клайнбърг. „Ако мисля какво трябва да ям например, може да имам всякакви предубедени идеи за най-добрите неща за ядене – и това затруднява ефективното използване на информацията, която ми се дава.“

Предизвикателни ежедневни решения

За да се провери тази хипотеза Надграждайки тяхното проучване от 2020 гКлайнберг и съавтор Джесика Марш, когнитивен психолог в Университет Лихай, проведе поредица от експерименти, за да проучи как се различава вземането на решения от хората, когато им се представят различни видове причинно-следствени модели в широк спектър от теми от реалния живот, от закупуване на дом и управление на телесното тегло до избор на колеж и увеличаване на избирателната активност . Скоро стана ясно, че хората знаят как да използват причинно-следствени модели, но дори един много прост модел бързо стана безполезен, когато към сместа бяха добавени няколко допълнителни подробности, извън информацията, абсолютно необходима за вземане на добро решение.

„Това, което наистина е поразително, е, че дори малко количество излишна информация има значително отрицателно въздействие върху нашия процес на вземане на решения“, каза Клайнбърг. „Ако получите твърде много информация, вземането на решения скоро ще стане толкова лошо, колкото ако изобщо нямате информация.“

Ако причинно-следственият модел показва, че яденето на солени храни повишава кръвното налягане, но също така показва и външна информация, като например пиенето на вода ви прави по-малко жадни, за хората става много трудно да направят ефективен избор за това как най-добре да поддържат здравето си. Въпреки това, когато екипът на Клайнбърг изтъкна важна причинно-следствена информация, способността на хората да вземат добри решения бързо се върна.

„Това е важно, защото показва, че проблемът не е само в това, че хората са затрупани от огромното количество информация, но че се борят да знаят на кои части от модела трябва да обърнат внимание“, каза Клайнбърг.

Последици за общественото здраве и не само

Тази работа има големи последици в области като общественото здравеопазване, защото означава, че образователните послания трябва да бъдат интегрирани в най-важните им части и предадени внимателно, за да имат положително въздействие. „Ако давате на хората пълен списък с неща, които да вземат предвид, когато решават дали да носят маска за лице или да си направят тест за коронавирус, или какво да ядат или пият, вие всъщност ги затруднявате да вземат добри решения “, каза Клайнбърг.

Дори когато Клайнбърг и Марш дадоха на участниците възможност да получат повече или по-малко информация, тези, които поискаха повече информация, взеха по-лоши решения от тези, които поискаха по-малко информация. „Ако дадете на хората възможност да мислят твърде много, дори когато поискат допълнителна информация, нещата се объркват“, каза Клайнбърг. Хората се нуждаят от прости, внимателно ръководени причинно-следствени модели, за да вземат добри решения.

Един подход за подпомагане на вземането на решения може да бъде използването на чатботове, задвижвани от изкуствен интелект, за персонализиране на здравна информация или хранителни съвети за индивиди за всеки отделен случай – по същество захранване на сложен причинно-следствен модел в модела на изкуствен интелект, което му позволява да открива и подчертават само конкретна информация, свързана с конкретно лице.

Справка: „По-малкото е повече: информационни нужди, информационни желания и какво прави причинно-следствените модели полезни“ от Саманта Клайнбърг и Джесика К. Марш, 30 август 2023 г., Когнитивно изследване: принципи и последици.
doi: 10.1186/s41235-023-00509-7

Проучването е финансирано от Джеймс С. McDonnell и Националната научна фондация.