决策中极端事件的过度表征：一种理性的元认知解释
神经元与认知
2018-01-31 v1 人工智能
机器学习
摘要
可得性偏差(availability bias)表现为决策中极端事件的过度表征，是一种众所周知的认知偏差，通常被视为人类非理性的证据。在本工作中，我们提出了首个关于可得性偏差的理性、元认知解释，并在 Marr 的算法分析层面上进行了形式化阐述。具体而言，我们提出了一个规范性的元认知模型，描述认知系统应如何根据决策时可支配的时间量来过度表征极端事件。我们的模型还解释了人类风险决策中两种著名的框架效应——结果概率上的风险偏好四重模式(Tversky & Kahneman, 1992)与结果量级上的风险偏好四重模式(Markovitz, 1952)——从而为这些效应提供了首个元认知理性基础。此外，经验证据证实了我们的模型的一个重要预测。令人惊讶的是，我们的模型相对于其焦点参数具有难以想象的鲁棒性。我们讨论了本工作对人类决策研究的意义，并通过提出我们模型的一个反直觉预测作为结论，该预测若被证实，将对人类风险决策产生引人入胜的启示。据我们所知，我们的模型是首个关于决策中认知偏差的元认知、资源理性过程模型。
引用
@article{arxiv.1801.09848,
title = {Over-representation of Extreme Events in Decision-Making: A Rational Metacognitive Account},
author = {Ardavan S. Nobandegani and Kevin da Silva Castanheira and A. Ross Otto and Thomas R. Shultz},
journal= {arXiv preprint arXiv:1801.09848},
year = {2018}
}