BEAST-GB模型結合了機器學習和行為科學，以預測人們的解決方案

在行為科學領域進行研究的關鍵目標是更好地了解人們如何在結果未知或不確定的情況下做出決策，這需要一定程度的風險。

在這種情況下預測人們選擇的能力可能是非常有利可圖的，因為這可以幫助制定有效的舉措，以鼓勵人們為自己和社區中的他人做出最佳決定。

該技術（以色列技術研究所）和美國各個機構的研究人員最近開發了一種名為“ Beast-GB”的新計算模型，該模型正如確定的那樣，該模型可以預測人們在帶來風險和不確定性的情況下的決策。

他們提出的模型在文章中列出 出版 v 大自然是人類的行為將先進的機器學習算法與行為科學理論相結合。

這篇文章的第一作者Ori Plonski說：“有關人們解決方案的研究豐富了競爭理論，但沒有一個是可靠的，可以準確地預測人類的選擇。”

“為了了解哪些想法的真正起作用，我們組織了CPC18，“預測選擇的競爭”，在該CPC18中，有人可以提出一個計算模型來預測面臨風險和不確定性的人的決策。我們特別有興趣了解數據控制的機器培訓是否會過剩行為模型。”

PLON及其同事開發的新機器學習模型基於行為科學的框架，即野獸（最佳評估和抽樣工具）。這是一個基於心理理論的模型，以前被發現以預測準確性的人的決策。

普隆基解釋說：“野獸表明，在選擇風險和不確定性的情況下，人們混合了幾種策略，例如最大程度地減少了立即遺憾或對抗最壞結果的機會。”

“我們已經將每種策略轉化為“行為功能”，這是一個簡短的公式，它反映了在任何給定的選擇問題中都應對此考慮做出的敏感性。然後，我們為這些理論功能提供了這些理論功能，以及任務的純粹客觀描述符，以極大的增加（機器學習算法，非常有用，預測範圍） – 對預測範圍非常有用） – 對預測範圍非常有用） – 對范圍的預測範圍） – ） – 對階段的有用） – ）

鑑於研究人員的改進，BEAST-GB模型可以分析行為數據並接收控制決策的動機，以及在各種決策情況下這些動機的影響。

值得注意的是，野獸GB贏了 CPC18選擇2018年預測的競爭他們提交的數據中有93％的可預測變化吸收，在隨後的測試中使用數據集的吸收是96％，這是40倍。

Plonski說：“ BEAST-GB超過了數十個基本的行為模型和機器學習純粹受控數據。”

“他只擁有2％的教育數據，已經超越了一個深厚的神經網絡，該網絡在所有教育數據中進行了培訓。該模型甚至精確地預測了人們在她從未見過的新實驗中做出的選擇，這意味著她反映了她的一般人類選擇模型。最後，我們用它來改善和改善主要的解釋行為理論，因此可以提高我們的能力，因此可以解釋人類的決定，而不是人類的決定，而不是人類的決定，而不是人類的決定，而不是人類的決定。

這項最近的工作強調了機器學習模型的希望，該模型也基於行為科學，以預測實際情況下人們的決策和答案。將來，BEAST-GB和其他類似模型可以指導新的大規模干預措施的設計，旨在使用推動力，激勵措施或其他行為科學策略來改善人們的解決方案。

普倫斯基及其同事最終計劃與參與行為科學計劃的發展或實施的政客和其他政黨合作。這將使他們能夠“在野外”檢查自己的模型，從而在實際條件下確認潛力，並提出一個可以告知其進一步進展的想法。

“最近的其他出版物表明，使用基於數據的高級機器學習方法，例如配置為出色的行為數據的大型語言模型，可以非常有效地預測人類決策和其他行為，” Plonky補充說。

“現在，我們計劃繼續調查與動物相似的理論的何時何地可以改善預測行為中數據控制的方法。特別是，我們計劃擴大我們的研究領域，包括與自然語言的問題，更與現實世界有關。”

©2025科學X網絡