ترجمه فارسی مقاله درک پیچیدگی تصمیم گیری استراتژیک انسانی با یادگیری ماشینی

چکیده

Understanding how people behave in strategic settings–where they make decisions based on their expectations about the behavior of others–is a long-standing problem in the behavioral sciences. We conduct the largest study to date of strategic decision-making in the context of initial play in two-player matrix games, analyzing over 90,000 human decisions across more than 2,400 procedurally generated games that span a much wider space than previous datasets. We show that a deep neural network trained on these data predicts people’s choices better than leading theories of strategic behavior, indicating that there is systematic variation that is not explained by those theories. We then modify the network to produce a new, interpretable behavioral model, revealing what the original network learned about people: their ability to optimally respond and their capacity to reason about others are dependent on the complexity of individual games. This context-dependence is critical in explaining deviations from the rational Nash equilibrium, response times, and uncertainty in strategic decisions. More broadly, our results demonstrate how machine learning can be applied beyond prediction to further help generate novel explanations of complex human behavior.

چکیده به فارسی (ترجمه ماشینی)

درک چگونگی رفتار مردم در تنظیمات استراتژیک-جایی که بر اساس انتظارات خود در مورد رفتار دیگران تصمیم می گیرند-یک مشکل دیرینه در علوم رفتاری است.ما بزرگترین مطالعه را تا تاریخ تصمیم گیری استراتژیک در زمینه بازی اولیه در بازی های ماتریس دو نفره انجام می دهیم ، و بیش از 90،000 تصمیم انسانی را در بیش از 2400 بازی تولید شده روال که فضای بسیار گسترده تری نسبت به مجموعه داده های قبلی دارند ، تجزیه و تحلیل می کنیم.ما نشان می دهیم که یک شبکه عصبی عمیق که روی این داده ها آموزش دیده است ، انتخاب افراد را بهتر از تئوری های پیشرو در رفتار استراتژیک پیش بینی می کند ، نشان می دهد که تغییرات سیستماتیک وجود دارد که توسط این تئوری ها توضیح داده نمی شود.سپس ما شبکه را برای تولید یک مدل رفتاری جدید و قابل تفسیر تغییر می دهیم و نشان می دهیم که شبکه اصلی در مورد افراد آموخته است: توانایی آنها در پاسخ بهینه و ظرفیت آنها برای استدلال در مورد دیگران به پیچیدگی بازی های فردی وابسته است.این وابستگی به متن در توضیح انحراف از تعادل عقل عقل ، زمان پاسخ و عدم اطمینان در تصمیمات استراتژیک بسیار مهم است.به طور گسترده تر ، نتایج ما نشان می دهد که چگونه می توان یادگیری ماشین را فراتر از پیش بینی اعمال کرد تا بیشتر به توضیحات جدید در مورد رفتار پیچیده انسان کمک کند.