Un modèle hybride révèle que les humains agissent moins rationnellement dans les jeux complexes, plus prévisiblement dans les jeux simples
Des chercheurs de l'Université de Princeton et de l'Université de Boston ont utilisé l'apprentissage automatique pour prédire les décisions stratégiques humaines dans divers jeux. Un réseau neuronal profond entraîné sur des décisions humaines a prédit avec précision les choix des joueurs. Un modèle hybride, combinant un modèle comportemental classique avec un réseau neuronal, a surpassé le réseau neuronal seul, notamment pour capturer l'impact de la complexité du jeu. L'étude révèle que les humains agissent de manière plus prévisible dans les jeux plus simples, mais moins rationnellement dans les jeux complexes. Cette recherche offre de nouvelles perspectives sur les processus de prise de décision humaine et jette les bases d'interventions en science du comportement visant à promouvoir des choix plus rationnels.