人間はしばしば間違った決定を下します。天の川よりもスニッカーズが好きなら、どちらのキャンディー バーを選ぶかは明らかです。従来の経済モデルはこの論理的直観に従っており、人々はそれぞれの選択肢に値を割り当て、たとえば、スニッカーズ:10、天の川:5 のように値を割り当て、最高得点者を選択することを示唆しています。しかし、私たちの意思決定システムは不具合の影響を受けやすい.
最近のある実験では、ニューヨーク大学の神経科学者であるポール・グリムチャーと共同研究者は、人々に、お気に入りのスニッカーズなど、さまざまなキャンディーバーから選択するように依頼しました.スニッカーズ、天の川、アーモンド ジョイが提供された場合、参加者は常にスニッカーズを選びます。しかし、スニッカーズを含む 20 個のキャンディーバーを提供された場合、選択はあまり明確ではなくなりました。彼らは、まだお気に入りだったにもかかわらず、スニッカーズ以外のものを選ぶこともありました。 Glimcher がスニッカーズと選択したキャンディー以外のすべての選択肢を削除すると、参加者はなぜお気に入りを選択しなかったのか不思議に思うでしょう。
エコノミストは、このような不合理な選択を 50 年以上にわたってカタログ化してきました。ノーベル賞を受賞しました。数百万冊のフリーコノミクス 販売されています。しかし、エコノミストは、なぜそれが起こるのかまだわかっていません。心理学者であり、コロンビア大学の意思決定科学センターの共同所長であるエリック・ジョンソンは、次のように述べています。しかし、半ダース程度の説明のどれも、明確な勝者ではない、と彼は言った.
過去 15 年から 20 年の間に、神経科学者は答えを求めて脳を直接覗き込み始めました。カリフォルニア大学サンディエゴ校の理論神経科学者である Angela Yu は、次のように述べています。
グリムチャーは脳と行動の両方を使って、私たちの非合理性を説明しようとしています。彼は、キャンディー バーの実験などの研究結果を神経科学データ (動物が意思決定を行う際の脳の電気的活動の測定値) と組み合わせて、人間がどのように意思決定を行い、なぜそれが間違いにつながるのかについての理論を開発しました。
Glimcher は、まだ若い神経経済学の分野における原動力の 1 つでした。彼の理論は、脳活動、神経回路網、fMRI、および人間の行動に関する広範な研究を統合しています。プリンストン大学の神経科学者であるナサニエル・ドー氏は、「彼は神経科学と経済学を統合すべきだと主張したことで有名です。 Daw 氏によると、Glimcher の最も重要な貢献の 1 つは、価値などの抽象的な概念を定量化し、研究室でそれらを研究する方法を見つけ出したことです。
新しいワーキング ペーパーでは、 Glimcher と彼の共著者 — 同じく NYU の Kenway Louie とトロント大学の Ryan Webb — は、彼らの神経科学に基づくモデルは、多くの選択肢に直面したときに人々がどのように行動するかを説明することにおいて、標準的な経済理論よりも優れていると主張しています。 「生物学で説明され、ニューロンでテストされた神経モデルは、経済学者が説明できなかった何かを説明するのにうまく機能します」とグリムチャーは言いました。
このモデルの中核にあるのは、脳の飽くなき食欲です。脳は体内で最も代謝の高い組織です。それは、私たちの質量の 2 ～ 3% しか占めていないにもかかわらず、私たちのエネルギーの 20% を消費します。ニューロンは非常にエネルギーを消費するため、脳は精度と効率が対立する戦場です。 Glimcher は、意思決定の精度を高めるコストがメリットを上回ると主張しています。したがって、現代のアメリカのシリアル通路の選択に当惑することになります.
Glimcher の提案は、経済学者と神経科学者の両方から関心を集めていますが、誰もが納得しているわけではありません。セントルイスにあるワシントン大学の神経科学者、Camillo Padoa-Schioppa は次のように述べています。神経経済学はまだ新しい分野です。科学者は、脳のどの部分が決定を下すかについて、ましてやどのように決定を下すかについてさえ意見が一致していません。
これまでのところ、Glimcher は彼の理論がキャンディー バーの実験のような特定の条件下で機能することを示しています。彼はその範囲を拡大することを目指しており、他のフリーコノミクス風の間違いを探し、それらを使用して彼のモデルをテストしています。 「私たちは選択の大統一理論を目指しています」と彼は言いました。
分割統治
脳は電力を大量に消費する臓器です。ニューロンは、スパイクまたは活動電位として知られる電気パルスの形で、常に互いに情報を送信しています。電気バーストと同様に、これらの信号の準備と発射には多くのエネルギーが必要です。
1960 年代、科学者たちは、効率的なコーディング仮説と呼ばれるモデルで、脳が可能な限り効率的に情報をエンコードすることでこの問題に対処していると提案しました。通信ネットワークが最小限のビットで情報を送信しようとするのと同じように、ニューロンは可能な限り最小限のスパイクを使用してデータをエンコードすることが予測されます。
1990 年代後半から 2000 年代前半にかけて、科学者たちは、この原理が実際に視覚系で機能していることを示しました。脳は、予測可能な情報を無視して驚くべきことに集中することで、視覚世界を効率的にエンコードします。壁の一部が黄色の場合、残りの部分も黄色である可能性が高く、ニューロンはその部分の詳細を隠すことができます.しかし、壁の巨大な赤い斑点は予想外であり、ニューロンはそれに特別な注意を払います.
Glimcher は、脳の意思決定機構も同じように機能することを提案しています。簡単な意思決定のシナリオを想像してみてください。サルが 2 杯のジュースのどちらかを選んでいるとします。簡単にするために、サルの脳が単一のニューロンで各選択を表すと仮定します。選択肢が魅力的であるほど、ニューロンはより速く発火します。次に、サルはニューロンの発火率を比較して選択を行います。
実験者が最初に行うことは、サルに簡単な選択肢を提示することです。ティースプーン 1 杯のおいしいジュースと水差し全体です。小さじ 1 杯のニューロンは 1 秒あたり 1 個のスパイクを発射し、水差しニューロンは 1 秒あたり 100 個のスパイクを発射します。その場合、2 つのオプションの違いを見分けるのは簡単です。 1 つのニューロンは時を刻む時計のように聞こえ、もう 1 つのニューロンはトンボの羽ばたきのように聞こえます。
サルが一杯のジュースとほぼいっぱいのジュースのどちらかを選択するように言われると、状況は混乱します。ニューロンは、1 秒あたり 80 スパイクで最新のオファーを表す場合があります。サルにとって、1 秒間に 80 個のスパイクを発射するニューロンと、1 秒間に 100 個のスパイクを発射するニューロンを区別することは、はるかに困難です。それは、トンボの羽ばたきとバッタの羽音の違いを見分けるようなものです。
Glimcher は、新しい選択を最もよく表すようにスケールを再調整することで、脳がこの問題を回避することを提案しています。ほぼ満杯のジャグを表すニューロン (2 つの選択肢の中で最悪) は、はるかに低い発火率にスケールダウンします。繰り返しになりますが、サルは 2 つの選択肢を簡単に区別できます。
Glimcher のモデルは、分割正規化として知られる以前のモデルに基づいており、この再調整プロセスの背後にある数学を詳しく説明しています。ニューロンがスパイクのシーケンスで選択肢間の相対的な違いのみをエンコードする場合、ニューロンはより効率的なメッセージを送信できることが提案されています。 「選択セットには多くの共有情報があります。それらは無作為で独立したものではありません」と Glimcher 氏は言います。 「正規化とは冗長な情報を吸い出し、可能な限り関連性のある情報を提供し、エネルギーの浪費を最小限に抑えることです。」彼は、アダプティブ システムの操作に慣れているエンジニアは、このアイデアに驚かないと述べています。しかし、選択を学ぶ人はよくそうです。
Daw 氏によると、「分断的正規化の優れている点は、私たちがビジョンから知っているこれらの原則を、理にかなった方法で価値に適用することです。」
上記のジュースの例は理論上のものですが、Glimcher と共同研究者は、サルがさまざまな種類の選択をするときの脳の電気的活動を記録しました。これらの研究は、意思決定ニューロンがモデルの予測どおりに動作することを示しています。科学者が 1 つの選択肢の価値を高めると、まあまあの天の川をおいしいスニッカーズに交換するのと同じように、その選択肢を表すニューロンは発火率を高めます。 (科学者はこのパターンについてすでに知っていました。)
他の選択肢の値を大きくすると (スニッカーズ以外のオプションをキングサイズにすると、スニッカーズの相対的な価値が下がります)、モデルは発火率が下がると予測します。 Glimcher と共同研究者は、頭頂葉皮質と呼ばれる脳の一部のニューロンが実際にこのように振る舞うことを示し、モデルの生理学的サポートを追加しました。 「分割正規化関数は、すべての条件でデータを説明する素晴らしい仕事をしました」と Glimcher 氏は言います。 「これは、ニューロンが分裂的正規化と同じか、それに近いことを行っているという考えを支持しています。」
システムはほとんどの場合うまく機能します。しかし、暗い映画館から明るい日差しの中に出たときに経験する一時的な失明と同じように、私たちの意思決定機構が圧倒されることがあります。これは、現代の世界で私たちがしばしば直面する驚くほど多様な選択肢に特に当てはまるかもしれません. Glimcher と協力者は、これらのタイプの間違いを使用してモデルをテストします。研究者は現在、これらの同じアルゴリズムが、人々が誤った選択をする傾向がある他のシナリオでの人的エラーを予測できるかどうかを調べています.
経済的暴動
神経経済学はまだ若い分野であり、疑問と論争に満ちています。脳の経済的価値の兆候を発見した神経科学者は、グリムチャーだけではありません。科学者は、人間の非侵襲的脳イメージングと動物の直接脳記録の両方を使用して、さまざまな脳領域でこれらの神経サインを測定しました。しかし、研究者たちは、脳のどの部分が実際の決定を下すかについて意見が分かれています。脳のどの部分が、スニッカーズのバーが天の川よりも高いと計算していますか? 「どこで、どのように決定を下すか、つまり価値の比較について、受け入れられている単一の概念はありません」と Padoa-Schioppa 氏は述べています。
Glimcher の神経記録実験は頭頂皮質で行われましたが、Padoa-Schioppa は「頭頂皮質が経済的意思決定と関係があることに懐疑的です」。頭頂葉を損傷しても、価値に基づく選択は損なわれませんが、前頭葉を損傷しても損なわれません。そのため、パドア・スキオッパはグリムチャーのモデルにやや懐疑的です。神経科学に基づく選択モデルに関しては、「現時点では、誰も説得力のある理論を持っていません」と Padoa-Schioppa 氏は述べています。
他の科学者は、分裂的な正規化の一般的な概念を好みますが、人間の意思決定のより複雑な側面を説明するために洗練できると示唆しています.たとえば、Yu は、単純な決定には適しているが、より高度な状況では失敗する可能性があると述べています。 「分裂的な正規化モデルは確かに理にかなっていますが、彼らが意思決定を調査していた実験設定は非常に単純です」と Yu は言いました。 「人間の意思決定におけるより広範な現象を説明するには、モデルを拡張し、より複雑な意思決定シナリオを検討する必要があります。」
分割正規化フレームワークは、視覚系の作業から生まれました。 Yu は、それを意思決定に適用することはより複雑であると示唆しています。科学者は、視覚システムがエンコードしようとしている情報、つまり色、光、影で描かれた 2 次元の情景について多くのことを知っています。自然のシーンは、脳が冗長な情報を除外するために使用できる、一般的で計算しやすい一連のプロパティに準拠しています。簡単に言えば、1 つのピクセルが緑の場合、その隣接ピクセルは赤よりも緑である可能性が高くなります。
しかし、意思決定システムはより複雑な制約の下で機能し、さまざまな種類の情報を考慮する必要があります。たとえば、場所、サイズ、またはスタイルに応じて、購入する家を選択する場合があります。しかし、これらの各要素の相対的な重要性、およびそれらの最適な値 (都市か郊外か、ビクトリア朝か現代か) は、基本的に主観的なものです。それは人によって異なり、人生の段階に応じて個人にとっても変化する可能性があります. 「意思決定科学者が競合する代替案を比較する際の重要な要因であると広く同意している冗長性のような単純で測定しやすい数学的量は 1 つもありません」と Yu 氏は述べています。
彼女は、私たちがさまざまなオプションをどのように評価するかについての不確実性が、私たちの誤った決定のいくつかの背後にあることを示唆しています. 「多くの家を購入した場合、初めて家を購入する場合とは異なる方法で家を評価するでしょう」と Yu 氏は言います。 「あるいは、住宅危機の際に両親が家を購入した場合、後で家を購入する方法に影響を与える可能性があります。」
さらに、Yu は、視覚システムと意思決定システムには異なる最終目標があると主張しています。 「視覚は感覚システムであり、その仕事は世界から可能な限り多くの情報を回収することです」と彼女は言いました。 「意思決定とは、あなたが楽しめる決定を下そうとすることです。コンピューティングの目標は単なる情報ではなく、完全に楽しむなど、行動に関連するものだと思います。」
私たちの多くにとって、意思決定に関する主な関心事は実際的なものです — どうすればより良い意思決定を行うことができるでしょうか? Glimcher 氏は、彼の研究が特定の戦略を開発するのに役立ったと述べています。 「最善と思われるものを選択するのではなく、選択肢セットから最悪の要素を排除することから始めるようになりました」と彼は言い、選択肢の数を 3 つなど、扱いやすいものに減らしました。 「私はこれが実際に機能することを発見しました。これは私たちの数学の研究から導き出されたものです。最も複雑なことから簡単なことを学ぶこともあり、意思決定を本当に改善することができます。」
注:この記事は 2016 年 9 月 1 日に更新され、Glimcher のモデルが分割正規化と呼ばれる以前のモデルから派生したものであることを明確にしました。
