Modelo híbrido revela que pessoas agem de forma menos racional em jogos complexos, mais previsivelmente em jogos simples
Pesquisadores da Universidade de Princeton e da Universidade de Boston usaram aprendizado de máquina para prever decisões estratégicas humanas em vários jogos. Uma rede neural profunda treinada em decisões humanas previu com precisão as escolhas dos jogadores. Um modelo híbrido, combinando um modelo comportamental clássico com uma rede neural, superou a rede neural sozinha, particularmente em capturar o impacto da complexidade do jogo. O estudo revela que as pessoas agem de forma mais previsível em jogos mais simples, mas menos racionalmente em jogos complexos. Esta pesquisa oferece novas perspectivas sobre os processos de tomada de decisão humana e lança as bases para intervenções em ciência comportamental voltadas para a promoção de escolhas mais racionais.