İnsanlar tez-tez öz qərarlarının və hərəkətlərinin nəticələrini proqnozlaşdırırlar, çünki bu, onlara ətrafdakı dünyanı anlamağa və indiki vəziyyətlərini idarə etməyə kömək edir. Əvvəlki bir çox psixoloji tədqiqatlar göstərir ki, insanlar ilk növbədə gələcək hadisələrin indiki hadisədən sonra hansı hadisələrin olacağını proqnozlaşdıran qabaqcadan proqnozlar verirlər.

Yerusəlim İvrit Universitetinin və Yale Universitetinin tədqiqatçıları bu yaxınlarda bəzi hallarda insanların bəzən indiki hadisələrin gələcək müxtəlif hadisələrdən əvvəl ola biləcəyini proqnozlaşdırmaqdan ibarət olan geriyə doğru proqnozlaşdırma strategiyalarını tətbiq edə bilməsi ehtimalını araşdırdılar.

Nature Human Behavior jurnalında dərc olunmuş onların tapıntıları irəli və geriyə doğru proqnozlaşdırmanın mövcud vəziyyətə əsaslanaraq adaptiv şəkildə istifadə edildiyini göstərir.

“Bizim məqaləmiz gündəlik təcrübədən planlaşdırma ilə bağlı intuisiyamıza uyğun gəlməyən planlaşdırma ilə bağlı hesablama modelləşdirmə ədəbiyyatını əhatə edən əsas fərziyyə ilə üz-üzə gəlməkdən irəli gəlirdi”, – məqalənin həmmüəllifi və Barda gələn köməkçi professor Dr. -İlan Universiteti (əvvəllər Yale postdoktoranası), Medical Xpress-ə bildirib.

“Xüsusən, əksər modellər biz yalnız cari hadisələrdən gələcək hədəflərə qədər proqnoz verdiyimizi güman edir. Gündəlik təcrübə bizə geri plan qurduğumuzu deyir: biz gələcəkdə bir təyinat məntəqəsində məskunlaşdığımızı təsəvvür edirik və ətraf mühitdəki hazırkı vəziyyətimizə doğru geri qayıdırıq.”

Bu intuisiyaya əsaslanaraq, Dr. Sharp və baş müəllif Eran Eldar geriyə doğru proqnozu həyata keçirəcək hesablama modelini inkişaf etdirməyə və müxtəlif qərar qəbuletmə proseslərini, o cümlədən mürəkkəb planlaşdırmanın əsasını təşkil edən prosesləri izah etməyə başladılar .

Daha sonra tədqiqatçılar bir sıra eksperimentlər həyata keçirdilər ki, bu da idrak psixoloqları tərəfindən insanın planlaşdırması və qərar qəbul etməsini öyrənmək üçün adətən istifadə olunan tapşırıqların uyğunlaşdırılmasını əhatə edir.

“These tasks, typically called one- or two-step decision tasks, involve participants learning via experience how actions taken at certain images transition to new images,” Dr. Sharp explained.

“Put simply, participants take an action and see which images come after it. They can then predict which images are most likely to follow a given image, or if they predict backward, which past images are likely to precede a current image.”

The researchers recruited a total of 1,299 participants and asked them to complete a series of decision-making tasks. These participants completed various experimental trials, during which they gradually learned patterns underlying the sequences of images they were presented with.

“After many trials of learning, participants are told which images, if reached, will give them a large reward,” Dr. Sharp said. “They then used the predictions they formed to try to reach that state with reward in a decision phase that comes after the learning phase.”

When they analyzed the data they collected, Dr. Sharp and Eldar found that their study participants employed backward and forward prediction strategies in an adaptive way, following a key principle. Specifically, people appeared to deploy whichever prediction strategy was more ‘computationally frugal’ (i.e., resource-effective) for the decision-making task they were completing.

“We now plan to explore other unanswered questions regarding how subjects first learn backward and forward predictions, and how these are used at decision time to plan,” Dr. Sharp said. “For example, do we infer which form of prediction is more frugal during learning, and is that informed by an inference about environmental structure? Or do we learn both forms of prediction, and simply infer during decision-making that one is more efficient?”

The recent paper by this team of researchers appears to contradict the long-standing assumption that most people predominantly employ forward prediction strategies during decision-making. In the future, it could pave the way for additional psychology studies testing this hypothesis, as well as computer science-based efforts aimed at artificially replicating backward prediction.

“For example, work in AI has shown that backward planning that’s used offline (i.e., not during planning, but during rest) to improve decision making is more accurate according to a different principle than the one we pursued,” Dr. Sharp added.

“Coming up with a unified model to explain both sets of findings in an empirical study with human participants (the AI work was just a simulation study without any real participants) would advance our understanding of when backward prediction is useful.”

Ətraflı məlumat: Paul B. Sharp et al, Humans adaptively deployly forward and backward proqnozlaşdırılması, Nature Human Behavior (2024). DOI: 10.1038/s41562-024-01930-8

Jurnal məlumatı: Təbiət İnsan Davranışı