Hybridmodell zeigt: Menschen handeln in komplexen Spielen weniger rational, in einfachen Spielen vorhersehbarer
Forscher der Princeton University und der Boston University nutzten maschinelles Lernen, um strategische Entscheidungen von Menschen in verschiedenen Spielen vorherzusagen. Ein tiefes neuronales Netzwerk, das mit menschlichen Entscheidungen trainiert wurde, sagte die Entscheidungen der Spieler mit hoher Genauigkeit voraus. Ein Hybridmodell, das ein klassisches Verhaltensmodell mit einem neuronalen Netzwerk kombiniert, übertraf das reine neuronale Netzwerk, insbesondere bei der Erfassung des Einflusses der Spielkomplexität. Die Studie zeigt, dass Menschen in einfacheren Spielen vorhersehbarer, in komplexen Spielen aber weniger rational handeln. Diese Forschung bietet neue Einblicke in die menschlichen Entscheidungsprozesse und legt den Grundstein für verhaltenswissenschaftliche Interventionen, die auf die Förderung rationalerer Entscheidungen abzielen.