Gündəlik həyatları boyu insanlardan adətən onların rifahına, sağlamlığına, sosial əlaqələrinə və maliyyə vəziyyətinə təsir edə biləcək geniş spektrli qərarlar qəbul etmək tələb olunur. İnsanın qərar vermə proseslərini başa düşmək bir çox davranış elmi tədqiqatlarının əsas məqsədidir, çünki bu, öz növbəsində insanları daha yaxşı seçimlər etməyə təşviq etməyə yönəlmiş müdaxilələrin hazırlanmasına kömək edə bilər.

Prinston Universiteti, Boston Universiteti və digər institutların tədqiqatçıları müxtəlif oyunlarda insanların strateji qərarlarını proqnozlaşdırmaq üçün maşın öyrənməsindən istifadə ediblər. Onların “Nature Human Behavior” jurnalında dərc olunmuş məqaləsi göstərir ki, insan qərarları üzərində təlim keçmiş dərin neyron şəbəkəsi oyunçuların strateji seçimlərini yüksək dəqiqliklə proqnozlaşdıra bilər.

“Bizim əsas motivasiyamız insanların strateji vəziyyətlərdə necə davranmalarına səbəb olan idrak mexanizmlərini aşkar etmək üçün müasir hesablama vasitələrindən istifadə etməkdir” deyə məqalənin ilk müəllifi Jian-Qiao Zhu Phys.org-a bildirib.

“Ənənəvi olaraq, Nash tarazlığı rasional strateji qarşılıqlı əlaqə üçün standart model rolunu oynamışdır – müəyyən ideallaşdırılmış şərtləri nəzərə alaraq – lakin insanların bu oyunları necə oynadıqlarını izah etməkdə çox vaxt qısa olur.

“Bu boşluq son bir neçə onillikdə davranış oyun nəzəriyyəsi sahəsində və ondan kənarda davranış modellərinin artmasına ilham verdi, hər biri insan davranışında müşahidə etdiyimiz Neşin proqnozlarından sistematik sapmaları izah etməyə çalışır. Bununla belə, hansı modellərin bu sapmaları ən yaxşı şəkildə ələ keçirməsi və ya hansı şəraitdə uğur qazanması ilə bağlı hələ də dəqiq konsensus yoxdur.”

Zhu və onun həmkarları tərəfindən aparılan bu araşdırma, insanın strateji qərarları üzərində təlim keçmiş hesablama texnikaları ilə geniş miqyaslı təcrübələr aparmaq üçün oyun nəzəriyyəsinə əsaslanan davranış elmi ədəbiyyatına əsaslanır.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1752046160&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-07-hybrid-reveals-people-rationally-complex.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM4LjAuNzIwNC45NyIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QpQTtCcmFuZCIsIjguMC4wLjAiXSxbIkNocm9taXVtIiwiMTM4LjAuNzIwNC45NyJdLFsiR29vZ2xlIENocm9tZSIsIjEzOC4wLjcyMDQuOTciXV0sMF0.&dt=1752046160181&bpp=2&bdt=268&idt=-M&shv=r20250702&mjsv=m202507020101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1752045048%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1752045048%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3D1241933dda87baba%3AT%3D1750839581%3ART%3D1752045048%3AS%3DAA-AfjZwPuiSAour3k16ZA1JtXua&prev_fmts=0x0&nras=1&correlator=634140874294&frm=20&pv=1&rplot=4&u_tz=240&u_his=4&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=2068&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95353387%2C95362656%2C95364946%2C95365225%2C95365235%2C95365698%2C31093334%2C95365108%2C95359265%2C95365118%2C95365797%2C31061690&oid=2&pvsid=6490019347842027&tmod=1772096815&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=6&uci=a!6&btvi=1&fsb=1&dtd=199

Komandanın məqsədi qərar vermənin mövcud modellərini müqayisə etmək və insanların başqaları ilə strateji qarşılıqlı əlaqələr zamanı qərarları necə qəbul etdiyini daha yaxşı təsvir edən potensial olaraq yeni modelləri müəyyən etmək idi.

“Biz dərin neyron şəbəkələrdən istifadə etdik ki, bir oyunçunun gördüyünü (yəni, oyun matrisi) oyunçunun gördüyü işlərə (yəni, onların strateji seçimlərinə) uyğunlaşdıran mümkün funksiyalar məkanını araşdırmağa kömək etdik” deyə Zhu izah etdi.

“Bu kontekstdə yaxşı xəritəçəkmə təbii olaraq insan davranışının güclü təsviri modelinə gətirib çıxaracaq. Bununla belə, neyron şəbəkələrdən insan davranışı modeli kimi istifadə ilə bağlı əsas problem onların asanlıqla şərh edilə bilməməsidir.”Matris oyunları. a, Hər 2 × 2 oyunda sıra oyunçusu kimi çıxış edən iştirakçılara təqdim olunan nümunə oyun interfeysi. Mavi rəqəmlər A və B strategiyaları arasında seçim edən sıra oyunçusu üçün qazancları, qırmızı rəqəmlər isə C və D strategiyaları arasında seçim edən sütun oyunçusu üçün qazancları təmsil edir. b, Oyun məkanının vizuallaşdırılması. Hər bir oyun unikal şəkildə səkkiz tam vektorla təmsil olunur və bu, müxtəlif seçim konfiqurasiyaları altında iki oyunçunun qazanclarına uyğundur. Ən yaxşı performans göstərən neyron şəbəkə modelimizin yerləşdirilməsi arasındakı Evklid məsafəsindən istifadə edərək, 2D süjetdə oyunlar arasındakı məkan əlaqəsini vizuallaşdırmaq üçün t-paylanmış stoxastik qonşu yerləşdirmələrindən istifadə etdik. Xallar fərdi oyunları təmsil edir. Rənglər oyunun topologiyasını təmsil edir. Kredit: Zhu et al. ( Nature Human Behavior , 2025).

İstifadə etdikləri maşın öyrənmə modelinin şərhini yaxşılaşdırmaq üçün tədqiqatçılar onun insan qərarları ilə bağlı verə biləcəyi proqnoz növlərini məhdudlaşdırdılar. Bu, onlara insanların tipik davranışı haqqında fərziyyələri əks etdirən modelə nəzəriyyəyə əsaslanan elementləri daxil etməyə imkan verdi.

“Nəhayət, biz klassik davranış modelini (kvantal cavab modeli) neyron şəbəkə ilə birləşdirən hibrid modelin ən yaxşı məhdudiyyətsiz neyron şəbəkəsinin performansına uyğun ola biləcəyini gördük” dedi Zhu.

“Siz bu qeyri-məhdud modeli insan davranışının nə qədər izah edilə biləcəyinə dair təxmini yuxarı hədd kimi düşünə bilərsiniz, çünki prinsipcə, o, hər hansı bir funksiyaya yaxınlaşa bilər. Bizim hibrid modelimizdə əsas yenilik ondan ibarətdir ki, kvant cavab funksiyasındakı səs-küy parametri neyron şəbəkəsi tərəfindən proqnozlaşdırılır.

Gündəlik anlayışlar üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosda ən son yenilikləri kəşf edin . Pulsuz xəbər bülleteni üçün qeydiyyatdan keçin və mühüm nailiyyətlər, yeniliklər və tədqiqatlar haqqında gündəlik və ya həftəlik yeniləmələr əldə edin .

“Bu o deməkdir ki, davranış səs-küyü səviyyəsi artıq sabit deyil – bu, oyunçunun qarşılaşdığı xüsusi oyundan və ya kontekstdən asılıdır.”

Tədqiqatçılar öz məqalələrində kontekstual məlumatlara əsaslanaraq neyron şəbəkələri tərəfindən proqnozlaşdırılan səs-küyün şərhini təklif edirlər. Xüsusilə, onlar bu kontekstdən asılı səs-küyü bir oyunun oyunçu tərəfindən nə qədər mürəkkəb qəbul edildiyinin əksi kimi şərh edirlər.

Əsasən, komanda insanların daha asan hesab etdikləri oyunları oynayarkən daha rasional davranmalarını təklif edir. Əksinə, daha mürəkkəb oyunlar oynayarkən insanların seçimlərinə müxtəlif digər amillər təsir edə bilər və beləliklə, onların davranışlarına təsir edən “səs-küy” artar.

Tədqiqatçılar gələcək tədqiqatlarının bir hissəsi olaraq oyunu “mürəkkəb” və ya “asan” edən şeylərə daha çox işıq salmaq istərdilər. Buna onların modellərinə “qavranılan çətinlik” imzası kimi inteqrasiya etdikləri kontekstdən asılı səs-küy parametrindən istifadə etməklə nail olmaq olar.

“Bizim təhlilimiz qərar vermənin geniş çeşidli namizəd modelləri arasında möhkəm model müqayisəsini təmin edir” dedi Zhu.

“İndi kvantal cavab modelinə kontekstdən asılılığın tətbiqi onun insanın strateji davranışını ələ keçirmək qabiliyyətini əhəmiyyətli dərəcədə yaxşılaşdırdığına dair güclü dəlillərimiz var. Daha dəqiq desək, biz oyun matrisində oyunun mürəkkəbliyini formalaşdıran əsas amilləri müəyyən etdik: səmərəlilik mülahizələri, mənfəət fərqlərinin hesablanmasının arifmetik çətinliyi və bir nəticəyə gəlmək üçün tələb olunan məntiqin dərinliyi.”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=3984658916&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1752046160&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-07-hybrid-reveals-people-rationally-complex.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM4LjAuNzIwNC45NyIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QpQTtCcmFuZCIsIjguMC4wLjAiXSxbIkNocm9taXVtIiwiMTM4LjAuNzIwNC45NyJdLFsiR29vZ2xlIENocm9tZSIsIjEzOC4wLjcyMDQuOTciXV0sMF0.&dt=1752046160181&bpp=3&bdt=268&idt=-M&shv=r20250702&mjsv=m202507020101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1752045048%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1752045048%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3D1241933dda87baba%3AT%3D1750839581%3ART%3D1752045048%3AS%3DAA-AfjZwPuiSAour3k16ZA1JtXua&prev_fmts=0x0%2C750x280&nras=1&correlator=634140874294&frm=20&pv=1&rplot=4&u_tz=240&u_his=4&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=4459&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95353387%2C95362656%2C95364946%2C95365225%2C95365235%2C95365698%2C31093334%2C95365108%2C95359265%2C95365118%2C95365797%2C31061690&oid=2&pvsid=6490019347842027&tmod=1772096815&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=7&uci=a!7&btvi=2&fsb=1&dtd=200

Bu son araşdırmanın bir hissəsi kimi toplanan tapıntılar, eyni zamanda, bir çox insanın strateji qərarlara yanaşmasının “yüngüllüyünü” vurğulayır ki, bu da onları irrasional qərarlar vermək istəyən tərəflərə qarşı həssas edə bilər.

Hansı amillərin oyunları və qərar vermə ssenarilərini insanlar üçün daha çətinləşdirdiyinə dair daha çox məlumat əldə etdikdən sonra Zhu və onun həmkarları insanları daha rasional qərarlar qəbul etməyə sövq edən yeni davranış elmi müdaxilələri hazırlamağa başlamağa ümid edirlər.

“Müasir hesablama vasitələrinin insan davranışının psixoloji nəzəriyyələrini üzə çıxarmağa necə kömək edə biləcəyini nümayiş etdirən bu iş bizi həyəcanlandırır” deyə Zhu əlavə edib.

“Növbəti addım, tapıntılarımızın təcrübələrimizdə istifadə olunan matris oyunlarından kənarda ümumiləşib-ümumiləşdirilmədiyini yoxlamaq olacaq. Müharibə, diplomatiya, seçkilər və ya bazar rəqabətləri kimi real dünyadakı strateji qarşılıqlı əlaqələr çox vaxt daha mürəkkəb və nüanslıdır.

“Ümid edirik ki, müasir alətlər dəstindən istifadə edərək və inkişaf etdirərək, insanların bu daha real və yüksək riskli şəraitdə necə qərarlar qəbul etmələri barədə daha dərin fikirlər əldə edəcəyik.”

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış , Sadie Harley tərəfindən redaktə edilmiş və Robert Eqan tərəfindən yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu hesabat sizin üçün əhəmiyyət kəsb edirsə, lütfən, ianə (xüsusilə aylıq) nəzərdən keçirin. Siz təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Daha çox məlumat: Jian-Qiao Zhu və digərləri, Maşın öyrənməsi ilə insanın strateji qərar qəbul etməsinin mürəkkəbliyini ələ keçirmək, Təbiət İnsan Davranışı (2025). DOI: 10.1038/s41562-025-02230-5 .

Jurnal məlumatı: Nature Human Behavior 

© 2025 Science X Network