10億ドルか、それともカタツムリを追いかけるだけか?上海大学准教授が科学論文を発表：機械に意思決定を手伝わせよう

人にとって選択をすることはどれほど困難で興味深いことでしょうか?

知乎の質問を見てみましょう: 10億ドルと人を追いかけるカタツムリ?

この一見不合理な疑問は、1979年にノーベル経済学賞受賞者のカーネマンらが提唱したプロスペクト理論に由来しています。

20% の確率で 100 ドル、80% の確率で 50 ドルを獲得します。そのような選択に直面した場合、どちらを選びますか?

プロスペクト理論によれば、人々は利益を目の前にすると慎重になり、リスクを負うことを嫌がる傾向があるが、損失を恐れてリスクを負う可能性が高くなる。人は得ることの喜びよりも失うことの苦痛をはるかに強く感じます。

選択は誰もが何度も直面する問題です。個人の食料、衣服、住居、交通から国際的な外交同盟まで、選択や決定はあらゆるところに存在します。多くの場合、選択や決定は困難です。人々は多くのジレンマに直面するだけでなく、感情、好み、認知レベルなどの要因によって影響を受けることもよくあります。

AI に意思決定を任せるとしたら、あなたは AI の言うことに従いますか?

サイエンス誌は最近、ビッグデータを活用して人間に代わって意思決定を行うという記事を掲載した。

この記事の著者は、上海大学シドニービジネススクールの准教授であるHe Lisheng博士とペンシルベニア大学のSudeep Bhatia氏の2人です。

何立勝博士は、2020年に上海外国語大学国際ビジネス・管理学院の経営学部の助教授として着任しました。 2017年に英国ウォーリック大学ビジネススクール行動科学科を卒業し、経営学博士号を取得。米国ペンシルベニア大学で博士研究員（2017年～2020年）を務める。主な研究分野は、行動経済学と意思決定神経科学です。研究コースには、意思決定行動と心理学、人間の学習行動、リスク意思決定、異時点間の意思決定、社会的意思決定の心理的および認知神経メカニズムが含まれます。彼の研究論文は、Psychological Review や Cognitive Psychology などの一流の国際心理学ジャーナルに掲載されており、Psychological Review、Decision、Journal of Experimental Psychology: General、Cognitive Psychology、Journal of Mathematical Psychology などの国際的に有名なジャーナルの査読者を務めています。

論文の筆頭著者であるスディープ・バティア氏は、これらの理論自体は、選ばれた小さなデータセットでのみテストされており、大規模なデータセットのモデルと比較されることはほとんどないと考えています。意思決定研究の学際的な歴史とリスクのある選択の複雑さを考えると、これは避けられないことです。意思決定者は、期待される効用からの逸脱に対する心理学的説明を簡単に直感することができます。さらに、多くの新しい理論モデルは以前に公開されたモデルと類似していることが多く、多くの理論がベンチマーク データセットに対する互いの予測を厳密に模倣しています。

何立勝氏は、新しい理論モデルが生成される速度は加速しているものの、これらのデータセットの予測精度は過去 20 年間でほとんど向上していないと考えています。根本的な原因は、私たちの認知システムが非常に複雑であることです。リスクに関する意思決定は簡単に思えます。大学生や高校生にリスクの高い決断を下す方法を尋ねると、ほとんどの生徒は、まず各選択肢の期待値を計算し、次に最も高い期待値の選択肢を選ぶと答えるでしょう。

しかし、リスクを伴う意思決定はこれよりもはるかに複雑であり、さまざまな認知的および感情的要因の影響を受けます。これまでの研究者は、これらの影響要因を考慮して、リスク意思決定行動のさまざまな理論的説明モデルを提案してきました。

南デンマーク大学のHe Lisheng教授、Pantelis Analytis教授、ペンシルベニア大学のSudeep Bhatia教授らが実施した別の研究では、集合知アルゴリズムを通じてさまざまな認知的・感情的要因を統合することで、そのような統合モデルが意思決定行動の予測能力を大幅に向上できることがわかった。ここでの統合モデルも大規模モデルであり、その予測精度はプロスペクト理論を上回っています。

学習とトレーニングを経ると、ディープ ニューラル ネットワークは人間の行動を模倣できるようになり、人間が選択を行う際に非合理的な行動をとるのと同じように、非合理的な行動をとることさえできるようになります。したがって、これを人間の意思決定行動の予測に使用すると、予測精度が大幅に向上します。

人工知能と認知神経科学の発展は、心理学と意思決定科学の発展に強力な研究ツールを提供します。学術界と産業界における大規模なモデル投資のおかげで、人工知能と認知神経科学は近年急速に発展し、数多くの画期的な研究が生まれ、他の分野に成熟した研究ツールを提供しています。

意思決定の研究では、研究者はリスク決定、異時点間の決定、社会的決定、ゲーム決定など、さまざまな種類の決定を研究します。現在、これらの異なる意思決定タイプに関する研究とモデリングの取り組みは、互いに独立して行われることが多いです。しかし、認知の観点から見ると、異なる意思決定タイプには共通の認知的および感情的メカニズムがなければなりません。しかし、異なる意思決定タイプ間の相互コミュニケーションをモデル化する研究はまだ非常に少ない。将来的には、人工知能と認知神経科学との統合を通じて、異なる意思決定タイプの相互モデル化を実現することは完全に可能になるだろう。

現在、経営科学はデータ主導の意思決定へとますます移行しています。産業や公共政策などの分野では、実験的な方法（A/B テストなど）を使用して経験的データを取得し、その経験的データを分析して意思決定を最適化する企業や組織が増えています。

しかし、現在のデータに基づく意思決定には大きな限界があります。重要な理由の 1 つは、管理者が、複数の要素が絡み合った複雑で動的なシステムに直面することが多いことです。しかし、A/B テストなどの方法で収集されたデータは、多くの場合、特定の小さな点を対象としており、複雑な意思決定における複数の要素間の絡み合った相互作用を全体的に把握していないため、A/B テストの実験データの適用範囲が制限されます。

機械生成の理論は、A/B テストなどの方法を通じて収集されたデータをより有効に活用できます。さらに重要なのは、機械生成理論は柔軟性が高いため、実際のデータを使用してシステムをトレーニングし、実際の管理シナリオに継続的にアプローチできることです。

将来的には、訓練された機械生成の理論モデルが、複雑な管理シナリオにおけるイベントに自動的に対応できるようになります。言い換えれば、機械生成理論は、散在する実験データを論理的に一貫したシステムに昇華させる能力を持ち、それによって複雑な経営判断の自動化とインテリジェンスを実現します。