چرا به نظر مي‌رسد كه انسان‌ها نمي‌توانند تصميم درستي بگيرند؟ روان شناسان و اقتصاددانان رفتارشناس اثبات كرده‌اند كه انسان‌ها هنگام تصميم‌گيري سوگيري‌هاي نسبتا قابل پيش‌بيني را از خود به نمايش مي‌گذارند. براي مثال، هنگامي كه به افراد منوي غذا داده مي‌شود غالبا اولين يا آخرين گزينه را بر مي‌گزينند.
|
|
نسبت دادن اين تمايلات به پديده تكامل – نوعي جهش عصبي كه در ژن انسان‌ها يافت مي‌شود- آسان خواهد بود. اما اگر اين سوگيري‌هاي شناختي كه انسان‌ها هنگام تصميم‌گيري از خود بروز مي‌دهند فقط محدود به ما نباشد آن وقت جواب چه خواهد بود؟ اگر اين سوگيري‌ها خصيصه نوظهور و در حال تكوين هر سيستمي با منابع ذهني و فكري محدود باشد كه مجبور به تصميم‌گيري شده است، آن وقت جواب چه خواهد بود؟ اين يكي از سوالات تلويحي در تحقيقات جديد يووال سالانت، پروفسور دستيار اقتصاد مديريتي و علوم تصميماتي در كلوگ مي‌باشد كه در ادامه يافته‌هاي او در اين زمينه را مي‌خوانيم: براي دستيابي به «جعبه سياه» تصميم‌گيري‌هاي نامعقول بشر هنگام تصميم‌گيري و انتخاب بين چندين گزينه سالانت يك مدل تسهيل شده رياضي ابداع كرده است كه نشان مي‌دهد چطور يك ماشين (روبات) تصميم مي‌گيرد.
تقليد رفتار انساني
روبات‌هاي سالانت اساسا الگوريتم‌هاي تصميم گيرنده هستند كه بيشتر بر اساس قواعد رياضي كار مي‌كنند. برخي از اين روبات‌ها هنگام تصميم‌گيري اشتباهات مشابه انسان‌ها را مرتكب مي‌شوند. يك روبات مي‌تواند تاثير اولويت و تقدم را به نمايش گذارد كه در اين شرايط مستعد انتخاب اولين گزينه در ليست است. يك روبات همچنين مي‌تواند تاثير تاخر را به نمايش گذارد كه منجر به انتخاب آخرين گزينه خواهد شد. توانايي روبات براي تقليد از رفتار انسان با حقيقت اينكه آنها با استفاده از قواعد اوليه رياضي ساخته شده‌اند تركيب مي‌شود كه باعث مي‌شود روبات‌ها نيز براي تجزيه و تحليل از توازن و سازشي كه ما به عنوان انسان هنگام تصميم‌گيري با آن مواجه مي‌شويم، استفاده كنند. چه مي‌شود اگر اين سوگيري‌هاي شناختي كه ما هنگام تصميم‌گيري از خود بروز مي‌دهيم محدود به ما نباشد؟
يكي از شبيه ترين روبات‌هاي سالانت به انسان بر اساس استراتژي تصميم‌گيري كه به عنوان رضايت‌بخشي شناخته مي‌شود ساخته شده است. فردي كه به عنوان رضايت‌مند شناخته مي‌شود پيشاپيش معيارها و ملاك‌هايي را براي خود تثبيت مي‌كند كه نشان مي‌دهد يك گزينه بايد چه ويژگي‌هايي داشته باشد تا رضايت وي را جلب كند و آن را انتخاب كند. براي مثال فرد رضايت مند در يك رستوران ممكن است اعلام كند كه «من دلم مي‌خواهد امروز جوجه بخورم» در كنار ديگر مشخصه‌ها اولين گزينه در منوي غذا، غذايي خواهد بود كه اين فرد انتخاب مي‌كند. هنگامي كه تصميم‌گيرنده‌ها به دنبال رضايت‌مندي هستند سخت نيست كه بفهميم چرا احتمال دارد كه گزينه اول را انتخاب كنند. چون آنها به محض اينكه گزينه‌اي را كه با معيارهاي از پيش تعيين شده شان مطابقت دارد، مي‌بينند، انتخاب مي‌كنند و ممكن است اصلا به ديگر گزينه‌ها حتي نگاه هم نيندازند. در مقابل اين استراتژي تصميم‌گيري منطقي قرار دارد كه فرض استاندارد بيشتر مدل‌هاي اقتصادي است. مشخص شده است كه «تصميم‌گيري منطقي» – كه در اصطلاح اقتصادي به معني تجزيه و تحليل كردن همه گزينه‌هاي ممكن است – به ميزان زيادي به توانايي شناختي احتياج دارد. يك تصميم گيرنده منطقي بايد جايي از حافظه را براي هر گزينه در ليست اختصاص دهد. سالانت مي‌گويد «هنگامي كه تعداد گزينه‌ها زياد است موضوع خيلي جالب مي‌شود. اگر تعداد گزينه‌ها 20 يا 30 تا باشد به حداكثر رساندن بازده و سودمندي سخت‌تر و سخت‌تر مي‌شود» در اصطلاح علوم كامپيوتري اين وضعيت به اين معني است كه تصميم‌گيري منطقي در مقياس مسائل بزرگ نمي‌گنجد. به دليل اينكه همان‌طور كه تعداد گزينههايي كه يك روبات بايد با آن درگير باشد بالا مي‌رود، مساله از ميزان گنجايش اين سيستم با حافظه‌اي محدود فراتر مي‌رود. سالانت در تجزيه و تحليل‌هاي خود اين ايده را ثابت كرد كه هر روبات با گنجايش كمتر از آنچه كه براي عملكرد منطقي لازم است، هنگام تصميم‌گيري در معرض برخي از اين سوگيري‌ها قرار مي‌گيرد. به عبارت ديگر توضيح اينكه چرا ما نيز هنگام تصميم‌گيري‌ها شاهد برخي سوگيري‌ها هستيم، مي‌تواند محدود بودن حافظه باشد.
توانايي محدود
فقط ماشين‌ها نيستند كه حافظه و قدرت پردازش محدودي دارند. بشر هم داراي « حافظه عملكردي» محدود است. به خاطر همين اعلام؛ اينكه سالانت يك چيزي مثل مدل جهاني تصميم‌گيري را يافته است اغوا كننده است. (هر چند كه مدل وي موانع ديگري مثل كمبود زمان كه همه ما گاهي با آن مواجه هستيم را در تحليل‌هايش منظور نكرده است.) جالب‌ترين روبات سالانت كه خيلي شبيه موجودات زنده عمل مي‌كند در جايي بين اين دو محدوده قرار دارد. وي اين روبات را «رضايت‌مند متكي به تجربيات گذشته» مي‌نامد. يك رضايت مند متكي به تجربيات گذشته توانايي آن را دارد كه به خاطر بياورد چه گزينههايي را قبلا مشاهده كرده است و همچنين معيارهاي خود را مشخص نمايد. هر چه اين روبات گنجايش حافظه بيشتري داشته باشد، به تصميماتي كه توسط تصميم گيرنده‌هاي منطقي اتخاذ شده است نزديك تر است. روانشناسان ثابت كرده‌اند كه حافظه عملكردي با IQ رابطه‌اي تنگاتنگ دارد. بنابراين يك راه براي ارزيابي اين تحقيق اين است كه بگوييم هر چه تصميم‌گيرنده‌ها با هوش‌تر باشند در يافتن گزينه صحيح‌تر بهتر عمل خواهند كرد. سالانت درمي‌يابد تصميم‌گيرنده‌ها كه منابع شناختي كافي در اختيار ندارند نسبت به گزينه‌هاي اوليه و نهايي سوگيري‌هاي بيشتري دارند. تاثيراتي كه سالانت با استفاده از تجزيه و تحليل‌هاي رياضي گرفته است در دنياي واقعي قابل مشاهده است. انسان‌ها بيشتر به آنهايي راي مي‌دهند كه اولين فرد در فهرست نامزدها است، روي گزينه‌هاي بالاتر در صفحه كامپيوتر خود بيشتر كليك مي‌كنند و در يك مسابقه به شركت كنندگاني كه اول يا آخر از همه ظاهر شده اند بيشتر نمره مي‌دهند. حتي در دهه 1980 دعواي حقوقي در آمريكا شكل گرفت كه دولت فدرال خطوط هوايي امريكن ايرلاين را مجبوركرد تا پرواز‌هاي خود را در سيستم پذيرش كامپيوتري بالاتر از ساير رقبا قرار ندهد. (زيرا متوجه شد كه مسافرين بيشتر اولين پروازي را كه مي‌بينند، انتخاب مي‌كنند.) بر اساس اين تحقيقات سوال بعدي كه سالانت به آن فكر مي‌كند اين است كه آيا اين مدل رياضي تصميم‌گيرنده موفق مي‌تواند به يك مدل اقتصادي تبديل شود. اگر چنين شود مي‌تواند تصميمات اشتباه بشر را تبديل به مدل‌هايي كند كه همه ما بتوانيم منطقي‌تر تصميم‌گيري كنيم.
http://www.donya-e-eqtesad.com/Default_view.asp?@=315841
منبع: Kellogg Insight