Если вы любите Snickers больше, чем Milky Way, то предугадать, какой шоколадный батончик вы выберете, не составит большого труда (учитывая наличие всего 2 вариантов для выбора). Традиционные экономические модели опираются на эту логическую интуицию, предполагая, что люди наделяют определённой ценностью каждый из возможных вариантов, например: Snickers – 1, Milky Way – 5, после чего выбирают «лидера по результативности». Но в нашей системе для принятия решений бывают сбои.
В рамках одного из последних экспериментов Пол Глимчер (Paul Glimcher), нейробиолог из Нью-Йоркского университета, и его коллеги попросили людей, принимавших участие в исследовании, выбрать один из нескольких шоколадных батончиков, среди которых был и их любимый, скажем – Snickers. Если предлагались Snickers, Milky Way и Almond Joy, участники всегда выбирали Snickers. Но если им предлагали 20 шоколадных батончиков, включая Snickers, выбор становился менее очевидным. Иногда участники выбирали какой-то другой батончик, хотя Snickers по-прежнему оставался их фаворитом. Когда Глимчер исключил все варианты кроме Snickers и выбранного батончика, участники были в недоумении: почему они не выбрали свой любимый?
Природа неверных решений
Более 50 лет экономисты пытались понять природу нерационального выбора. Были получены Нобелевские премии, «Фрикономика» разошлась миллионными тиражами. Но экономисты до сих пор не знают – почему же нерациональные решения имеют место быть. «Всё это происходило с большим энтузиазмом: многие пытались объяснить природу непонятного явления и предпринимали попытки искоренить подобные привычки, — говорит Эрик Джонсон (Eric Johnson), психолог и один из руководителей Центра по изучению принятия решений при Колумбийском университете. — Но ни одному из полудюжины объяснений нельзя отдать пальму первенства».
В течение прошедших 15-20 лет учёные начали искать ответ на интересующий их вопрос, используя непосредственно мозг человека. «Более-менее чёткое представление о том, каким образом информация представлена в мозге и как происходят вычислительные процессы, помогает понять, почему люди принимают решения именно так», — рассказывает Анджела Ю (Angela Yu), нейробиолог-теоретик из Калифорнийского университета в Сан-Диего.
Пытаясь объяснить присущую нам нелогичность, Глимчер обращается к работе мозга и поведенческим особенностям человека. Он объединил результаты исследований, подобных эксперименту с шоколадным батончиком, с данными из сферы нейробиологии (измерениями электрической активности мозга животных в момент принятия решений) для разработки теории о том, как мы принимаем решения и, почему это может привести к ошибкам.
От нейробиологии к нейроэкономике
Глимчер — один из инициаторов и первопроходцев во всё ещё молодой сфере нейроэкономики. Его теория объединяет в себе масштабные исследования активности головного мозга, нейронные сети, нейровизуализацию и поведение человека. «Он известен своими доводами в пользу слияния нейробиологии и экономики», — заявляет Натаниэль Доу (Nathaniel Daw), нейробиолог из Принстонского университета. По мнению Доу, одним из основных достижений Глимчера можно считать то, что он смог вычислить, каким образом измерить такие абстрактные понятия как ценность — и в дальнейшем изучить их в лаборатории.
В своём новом докладе Глимчер и его соавторы, — Кенвей Луи (Kenway Louie) из Нью-Йоркского университета и Райан Вебб (Ryan Webb) из университета Торонто, – утверждают, что их модель, основанная на принципах нейробиологии, превосходит общепринятую экономическую теорию в объяснении поведения людей, столкнувшихся с обилием выбора. «Нейромодель, описанная в биологии и протестированная на нейронном уровне, хорошо справилась с тем, что не смогли объяснить экономисты», — уверен Глимчер.
В основе этой модели лежат ненасытные аппетиты мозга — наиболее метаболически активной ткани в нашем организме. Он потребляет 20% нашей энергии (при том, что занимает всего 2-3% от общей массы тела). Поскольку нейроны настолько «прожорливы», мозг становится полем битвы между точностью и эффективностью. Глимчер утверждает, что затраты на увеличения точности при принятии решений превышают все возможные выгоды от этого действия. Поэтому покупатели часто испытывают некое недоумение, проходя между стеллажами в супермаркетах.
Пол Глимчер
Предложение Глимчера привлекло и экономистов, и нейробиологов (разумеется, не всех). «Я считаю это направление перспективным, но на данный момент всё еще остающимся на стадии гипотезы», — делится своим впечатлением Камилло Паду-Шиоппа (Camillo Padoa-Schioppa), нейробиолог из Вашингтонского университета в Сент-Луисе. Нейроэкономика — молодая и малоизученная область; учёные даже не пришли к единому мнению о том, какая часть мозга отвечает за принятия решений (не говоря о том, как это происходит).
К настоящему времени Глимчер продемонстрировал, что его теория работает при определённых условиях (например, как в эксперименте с шоколадными батончиками). Он пытается расширить диапазон применения своих достижений и пребывает в поиске других недоработок в стиле «Фрикономики» (известной книги и подкаста о неочевидных связях в экономике от учёных-экономистов Левитта и Дабнера — прим.ред.) — а затем использует их, чтобы проверить свою модель на практике. «Наша цель – единая всеобъемлющая теория выбора», — утверждает исследователь.
«Разделяй и властвуй»
Мозг – «прожорливый» орган: нейроны постоянно посылают друг другу информацию в форме электрических импульсов, известных как потенциалы действия. Также как и с электрическим зарядом, подготовка и запуск сигналов требуют большого количества энергии.
В 60-ых годах ХХ века учёные предположили, что мозг справляется с этой задачей, пытаясь кодировать информацию наиболее оперативным путём. Эта модель получила название «теории эффективного кодирования»: нейроны будут кодировать данные, используя наименьшее возможное количество соединений по аналогии с коммуникационными сетями, которые передают информацию в наименьшем количестве бит.
В конце 1990-х — начале нулевых учёные продемонстрировали, что этот принцип действительно «функционирует» в визуальной системе восприятия. Мозг эффективно кодирует визуальный мир, игнорируя предсказываемую информацию и фокусируясь на чём-то неожиданном. Если часть стены жёлтая, то, скорее всего, и вся остальная стена жёлтого цвета, и нейроны могут пропустить этот участок. Но если на стене будет большое красное пятно, наши нейроны сфокусируются на нём.
Глимчер предполагает, что механизм принятия решений работает аналогично. Представьте простой сценарий принятий решений: обезьяна выбирает между двумя стаканами сока. Для упрощения понимания представим, что каждый вариант решения в голове обезьяны представлен одним нейроном. Чем более заманчив выбор, тем быстрее «запускается» нейрон. Затем обезьяна сравнивает интенсивность таких запусков и принимает своё решение.
Сначала экспериментатор предлагает обезьяне задачу с простым выбором: чайная ложка вкуснейшего сока и целый кувшин. Нейрон, отвечающий за выбор ложки сока, может выстрелить одним соединением в минуту, а нейрон, которые отвечает за целый кувшин, может «разогнаться» до 100 в минуту. В таком случае, выбор между двумя вариантами не предоставляется чем-то сложным; один нейрон — это движение секундной стрелки, а сто — движение крыльев стрекозы во время полёта.
Ситуация усложняется в том случае, если обезьяне предлагается сделать выбор между полным кувшином сока и практически полным. Нейрон может отреагировать на новое предложение 80 соединениями в минуту. Задача обезьяны значительно усложняется, потому что теперь ей предстоит выбрать между 80 и 100 в секунду (словно отличить вибрацию от крыльев стрекозы и жужжание саранчи).
Глимчер считает, что мозг предотвращает эту проблему, перенастраивая оценочную шкалу так, чтобы новое предложение представлялось на ней наилучшим образом. Нейрон, представляющий не совсем полный кувшин – наиболее сложный из двух вариантов выбора – снижает свой оценочный показатель выстрела до нижней границы. После этого обезьяне снова несложно определиться с выбором.
Модель Глимчера, основанная на более ранней модели под названием «аналитической нормализации», объясняет процесс перенастройки с помощью математики. Она предполагает, что нейроны могут посылать более рациональные сообщения, если в их последовательности они кодируют только относительную разницу между представленными на выбор вариантами.
«Набор вариантов имеет большой объем сходной информации; они не случайны и не независимы», — утвеждает Глимчер. — Нормализация устраняет все лишние данные таким образом, чтобы вся поступающая информация была представлена в относительной форме, а потребление энергии было сведено к минимуму».
Учёный отмечает, что инженеры, работающие с адаптивными системами, не удивлены этой идей, в отличие от тех, кто изучает сферу принятия решений. По словам Дау, преимущество аналитической нормализации состоит в том, что она использует знакомые нам принципы визуализации и применяет их к процессу оценивания значимости.
Пример с соком – теоретический, но Глимчер и его коллеги зафиксировали электрическую активность в мозге обезьяны в момент принятия различных решений. Эти исследования показывают, что нейроны, отвечающие за принятие решений, ведут себя так, как предсказывает модель. Если учёные повышают ценность для одного варианта выбора, эквивалентного замене Milky Way вкусным Snickers, нейроны, отвечающие за этот выбор, повышают свою активность (учёным уже знаком этот принцип).
Если вы повысите ценность другого выбора (например, увеличите размер батончиков), то ценность Snickers снизится, и — согласно модели — его оценочный показатель также упадёт. Глимчер с коллегами доказали, что нейроны из части мозга под названием «тёмная кора» действительно ведут себя таким образом, тем самым предоставляя физиологическое доказательство этой модели.
«Аналитическая нормализация помогла понять процесс обработки информации при различных условиях, — отмечает Глимчер. — Это подтверждает, что нейроны действуют идентично или практически идентично с моделью аналитической нормализации».
Система работает исправно большую часть времени. Но также как и временная слепота, с которой мы сталкиваемся, выходя из тёмного кинотеатра на улицу, наш механизм принятия решений порой может давать сбои. Этот особенно актуально в современном мире, в котором мы встречаемся с ошеломляющим разнообразием выбора. Глимчер и его коллеги используют эти типы сбоев для проверки своей модели. Сегодня исследователи изучают, могут ли те же самые алгоритмы помочь предотвратить человеческие ошибки и в других сценариях, в которых люди обычно допускают оплошности.
ЧИТАЙТЕ ТАКЖЕ:
Экономический мятеж и право выбора
Нейроэкономика всё ещё молодая наука, в которой много вопросов и противоречий. Глимчер — не единственный нейробиолог, который обнаружил признаки экономической оценки в мозге человека. Учёные измеряли эти нейронные связи в разных отделах головного мозга, используя неинвазивную нейровизуализацию у людей и прямую запись активности мозговой деятельности у животных. Но они не смогли прийти к консенсусу относительно того, какая из частей мозга отвечает непосредственно за принятие решений. Какая часть мозга размещает Snickers выше Milky Way на оценочной шкале? «Не существует единого общепринятого концепта относительно того, где и как принимаются решения (оценочные сравнения), — объясняет Паду-Шиоппа.
Глимчер проводил исследования в тёмной коре, но Паду-Шиоппа относится «скептически к тому, что тёмная кора может принимать экономические решения». Повреждения тёмной коры, в отличие от лобной доли, не влияют на принятия решений, основанных на оценочном принципе. Именно по этой причине модель Глимчера вызывает у Паду-Шиоппы сомнения. С точки зрения нейробиологии модель выбора «на данный момент не может быть объяснена ни одной из теорий», считает последний.
Другие учёные в целом одобряют концепцию аналитической нормализации, но отмечают, что она может быть отточена для объяснения боле сложных аспектов в процессе принятия решения у человека. Например, Ю говорит, что она хорошо работает с лёгкими решениями, но может дать сбой при более изощрённых условиях:
«Модель аналитической нормализации действительно целесообразна, однако экспериментальные условия значительно упростили процесс принятия решений, — замечает Ю. – Для того, чтобы охватить более широкий спектр явлений в процессе принятия решений человеком, нам необходимо доработать модель и обратить внимание на более сложные сценарии принятия решений у людей».
Структура аналитической нормализации берёт свое начало в визуальной системе. Ю считает, что применить её к процессу принятия решений довольно непросто. Учёные имеют достаточно сведений об информации, которую кодирует визуальная система: это двухмерное пространство в цвете, имеющее свет и тень. Естественные пейзажи сочетаются с набором общих легко вычисляемых параметров, которые мозг может использовать для фильтрации ненужной информации. Проще говоря, если один пиксель – зелёный, то расположенный рядом пиксель, скорее всего, тоже будет зелёным, а не красным.
Но система принятия решений осуществляет свою деятельность и при более сложных условиях, а также «обдумывает» множество различных типов информации. К примеру, человек может выбрать, какой ему дом купить в зависимости от месторасположения, размера и дизайна последнего. Но относительная значимость каждого из этих факторов (так же как и оптимальная значимость) – город или пригород, викторианский или современный, — очень субъективна. Она различна для каждого отдельного человека, а также может изменяться в течение жизни:
«—Не существует одной простой, легко исчисляемой математической величины наподобие избыточности, которую учёные, изучающие процесс принятия решений, повсеместно признают ключевым фактором в сравнении конкурирующих альтернатив».
Ю считает, что в основе неверного выбора в оценке различных вариантов лежит неопределённость. «Если вы покупали множество домов, то будете оценивать дома иначе, чем в том случае, если вы покупаете дом впервые в жизни, — продолжает объяснять Ю. — Или если ваши родители приобрели дом в период жилищного кризиса, это может сказаться на том, как вы будете совершать покупку жилья».
Помимо этого Ю утверждает, что визуальная система и система принятия решений имеют различные цели. «Зрение — это сенсорная система, работа которой состоит в том, чтобы заполучить как можно больше информации из внешнего мира. А система принятия решений отвечает за то, чтобы принять решение, которое вас удовлетворит. Я считаю, что вычислительная цель заключается не только в информации, но и в поведенческом отношении».
Для большинства из нас вопрос принятия решений интересен только с практической стороны: как принять наиболее выгодное и рациональное решение? Глимчер считает, что его исследование помогло ему развить особые стратегии. « Вместо того чтобы выбрать то, что я считаю наилучшим вариантом, я начинаю устранять из набора возможных решений наихудший вариант, постепенно сокращая их количество до наиболее удобного числа (например, 3). Этот способ зародился из нашего математической исследования, и он на самом деле работает. Порой нам удается уловить что-то простое из более сложного, и это действительно помогает в принятии решений».
Источник: QuantaMagazine