摘要：这些模型可以揭示人类大脑用于决策的计算过程，这些计算在特定场景下可能如何变化，以及这可能会如何影响我们做出重要决策的方式，例如医疗或财务方面的决策。为了建立模型，研究人员必须输入数值数据，例如上一个建模示例中的金额。然而，我们在现实生活中做出的许多决策并不涉及

为了更好地理解决策过程，研究人员可以创建计算模型——一组方

程式，旨在预测人们在面临一系列选择时会做出哪些决策。例如，一个模型可以估计人们在获得一定数额的金钱和赢得更多金钱的机会之间做出选择时的反应。

这些模型可以揭示人类大脑用于决策的计算过程，这些计算在特定场景下可能如何变化，以及这可能会如何影响我们做出重要决策的方式，例如医疗或财务方面的决策。为了建立模型，研究人员必须输入数值数据，例如上一个建模示例中的金额。然而，我们在现实生活中做出的许多决策并不涉及精确的数字。

如今，耶鲁大学的研究人员首次建立了更细致的决策模型，这些决策基于对可用结果的描述，而非基于确切的数字。在发表于 《公共科学图书馆·计算生物学》（PLOS Computational Biology）的一项新研究中，研究人员为参与者提供了一个假设的医疗场景，并要求他们在不同的治疗方法之间做出选择。

然后，他们利用这些数据建立了一个模型，该模型不仅在这种定性决策方面表现良好，而且优于基于定量（基于数字）数据集的传统模型。

这个新模型将使神经科学家能够研究人们如何做出各种不同类型的决策，以及我们的大脑如何评估不同的结果。例如，科学家可以研究个体在特定情况下（例如在做出财务或医疗决策时）是否更倾向于规避风险。

该团队成员包括第一作者 、精神病学副研究员 Nachshon Korem 博士，以及资深作者、博士 Ifat Levy、 Elizabeth Mears 和比较医学 House Jameson 教授。

“我们想要探究决策的根本机制——大脑用来做决策的算法，”莱维说。“这种建模方法使我们能够观察不同类型的决策，然后通过神

经科学研究，尝试了解我们对不同因素的价值观是如何在大脑中体现的。”

质量与数量

在研究中，参与者在保证结果和获得更好结果的机会之间做出了一系列选择。这些选择伴随着不同程度的风险和模糊性。研究人员将风险定义为潜在结果的可能性。例如，一个人可能有50%的机会赢得更好的结果。而模糊性则是指获得更好结果的概率未知。

研究人员首先要求参与者做出量化决策——这是一种基于客观数据（例如金额）建模的传统方法。例如，他们可能会在保证赢得 5 美元和 75% 的 8 美元概率之间做出选择。在其他情况下，彩票的中奖概率是模糊的——中更高金额的概率是未知的。

参与者还对医疗方案做出了定性决策。研究人员假设他们遭遇车祸，脊椎受伤。参与者可以选择已知的、保证轻微改善的治疗方法，也可以选择有更大改善机会的实验性治疗方法。团队会向参与者口头描述每种结果。例如，他们可能会将“中度改善”的治疗方法描述为：患者能够在拐杖或助行器等辅助下站立和行走。但患者只能行走很短的距离，并且需要经常休息。

再次，实验治疗的结果各不相同——要么提供中度改善，要么提供显著改善，要么提供完全康复——并且具有不同程度的风险和模糊性。

新模型优于传统决策模型

基于定性数据，该团队 创建了一个模型 ，用于评估参与者对每种医疗方案的重视程度。研究人员随后利用参与者在面对不同货币选项时所做的决策来测试该模型，并将新模型与现有决策模型的表现进行比较。

“我们已经证明，我们的模型比我们和许多其他科学家一直在使用的常见模型效果更好，”Levy 说，“对于定量数据，即使我们的模型不使用数字作为值，它实际上也能更好地解释行为。”

该模型还适用于某一类别本质上并不大于另一类别的数据。

“例如，我们可以询问参与者他们更喜欢香蕉还是苹果，然后使用相同的模型，我们可以估计他们对每个选项的评价，”科雷姆说。

该团队计划继续探索如何最好地模拟这类主观偏好。他们也对研究恐惧等情绪如何影响决策感兴趣。

科雷姆说：“例如，在某人需要对手术做出决定的情况下，我们想知道与放松时相比，压力情绪如何影响他们的估值。”

资料来源：耶鲁大学

来源：科学微视角