Исследователи из Хайфского Техниона создали модель машинного обучения, которая предсказывает выбор людей в условиях неопределенности и риска с точностью 96%. Понимание того, как люди принимают решения в ситуациях неопределенности и риска, остается одной из важнейших задач поведенческой науки. Способность предсказывать человеческий выбор могла бы ускорить разработку эффективных программ, направленных на улучшение качества принимаемых решений как на индивидуальном, так и на общественном уровне. Команда ученых разработала модель BEAST-GB, которая предсказывает человеческие решения. Результаты исследования опублиованы в журнале Nature Human Behavior. Модель BEAST-GB представляет собой сочетание алгоритмов машинного обучения и фундаментальных теорий поведенческой науки. В основе разработки лежит концепция BEAST (Best Estimate and Sampling Tools) – поведенческая модель, основанная на психологических теориях, которые ранее показали высокую точность в предсказании человеческих решений. Модель исходит из предположения, что при принятии решений в условиях риска люди используют комбинацию различных стратегий. Эти стратегии включают минимизацию того, что человек сразу пожалеет о сделанном и защиту от наихудших возможных исходов. Исследователи перевели поведенческие стратегии в «поведенческую характеристику» – математическую формулу, отражающую чувствительность человека к определенным факторам при принятии конкретного решения. Эти теоретически обоснованные характеристики, дополненные объективными описаниями задач, были загружены в алгоритм метод машинного обучения. Модель BEAST-GB продемонстрирует способность объяснить и правильно предсказать, каким будет решение при различных вариациях входных данных с точностью 96%. Это очень высокий показатель, учитывая, что большинство поведенческих моделей дают верный ответ лишь 30-50% случаев. BEAST-GB точно предсказывает выбор людей и в тех случаях, когда она работает с данными, на которых не обучалась. Это указывает на ее способность улавливать универсальные паттерны человеческого поведения.