Πείραμα Volatile Bandit

Εμφάνιση Λεπτομερειών

Υπόβαθρο

Το πείραμα Volatile Bandit είναι ένα κλασικό παράδειγμα στην έρευνα λήψης αποφάσεων, που εξετάζει πώς οι άνθρωποι μαθαίνουν και προσαρμόζουν τις επιλογές τους σε αβέβαια περιβάλλοντα. Η εργασία αυτή είναι ιδιαίτερα χρήσιμη για τη μελέτη της ενισχυτικής μάθησης, της γνωστικής ευελιξίας και της λήψης αποφάσεων υπό αβεβαιότητα.Στο πείραμα, οι συμμετέχοντες βλέπουν δύο επιλογές (αναπαριστώμενες από μπλε και πράσινα σχήματα) και μέσω δοκιμής‑και‑σφάλματος μαθαίνουν ποια επιλογή έχει μεγαλύτερη πιθανότητα ανταμοιβής. Το πείραμα έχει δύο φάσεις: μία στατική όπου μια επιλογή είναι σταθερά καλύτερη και μία ασταθή όπου η καλύτερη επιλογή αλλάζει με τον χρόνο.

Μέθοδος

Φάση 1 (Στατική): 120 δοκιμές

  • Το ένα χρώμα (μπλε ή πράσινο) έχει 75% πιθανότητα να είναι σωστό
  • Το άλλο χρώμα έχει 25% πιθανότητα να είναι σωστό
  • Οι συμμετέχοντες μαθαίνουν ποιο χρώμα είναι γενικά καλύτερο

Φάση 2 (Ασταθής): 170 δοκιμές

  • Το καλύτερο χρώμα αλλάζει κάθε 30–40 δοκιμές
  • Κάθε χρώμα εξακολουθεί να έχει πιθανότητα 60% έναντι 40% όταν είναι η «καλύτερη» επιλογή
  • Οι συμμετέχοντες πρέπει να προσαρμοστούν σε αυτές τις αλλαγές

Βαθμολόγηση

  • Οι σωστές επιλογές δίνουν πόντους ίσους με τον αριθμό πάνω στο επιλεγμένο σχήμα
  • Οι λανθασμένες επιλογές δίνουν 0 πόντους
  • Στόχος είναι να φτάσετε τη γραμμή στόχου στη μπάρα προόδου

Αναφορές

  • Behrens, T. E. J., Woolrich, M. W., Walton, M. E., & Rushworth, M. F. S. (2007). Learning the value of information in an uncertain world. Nature Neuroscience, 10(9), 1214-1221. 10.1038/nn1954
  • Daw, N. D., O'Doherty, J. P., Dayan, P., Seymour, B., & Dolan, R. J. (2006). Cortical substrates for exploratory decisions in humans. Nature, 441(7095), 876-879. 10.1038/nature04766
  • Nassar, M. R., Wilson, R. C., Heasly, B., & Gold, J. I. (2010). An approximately Bayesian delta-rule model explains the dynamics of belief updating in a changing environment. Journal of Neuroscience, 30(37), 12366-12378.

Συχνές Ερωτήσεις

Έχετε άλλη ερώτηση; Πείτε μας.

Τι τεστάρει το volatile bandit;

Τη μάθηση του πότε οι πιθανότητες ανταμοιβής αλλάζουν απρόβλεπτα — η λογική ενίσχυσης της μάθησης για αναζήτηση τροφής σε μεταβαλλόμενο περιβάλλον.

Πώς συμπεριφέρονται οι καλοί μαθητές;

Παρακολουθούν την πρόσφατη ιστορία ανταμοιβών και επαναδεσμεύονται γρήγορα μετά από ανατροπές, εξισορροπώντας τη μονιμότητα (αξιόπιστα δεδομένα) με την ευελιξία (ανίχνευση αλλαγής).

Ποια μοντέλα το περιγράφουν;

Μαθητές κανόνα-δέλτα και τύπου φίλτρου Kalman με δυναμικούς ρυθμούς μάθησης· οι ανθρώπινες προσαρμογές περιγράφονται συχνά καλά από τέτοια μοντέλα στην έρευνα υπολογιστικής ψυχιατρικής.

Τι δείχνουν οι επιλογές μου;

Η ταχύτητα προσαρμογής σου μετά από ανατροπές και η συνολική ανταμοιβή που μάζεψες δεικνύουν το στυλ μάθησής σου σε αυτή τη συνεδρία· καμία στρατηγική δεν είναι η καλύτερη σε όλα τα καθεστώτα μεταβλητότητας.

Σχετικά με αυτό το πείραμα

Αυτό το πείραμα είναι μια εκπαιδευτική προσαρμογή για σκοπούς επίδειξης. Δεν είναι κλινικό διαγνωστικό εργαλείο. Τα αποτελέσματα αντικατοπτρίζουν την απόδοσή σας σε αυτή τη συγκεκριμένη συνεδρία και δεν πρέπει να ερμηνεύονται ως αξιολόγηση των γνωστικών σας ικανοτήτων.

Προστασία Δεδομένων

Τα δεδομένα του πειράματός σας επεξεργάζονται και αποθηκεύονται τοπικά στο πρόγραμμα περιήγησής σας. Δεν αποστέλλονται δεδομένα σε κανέναν διακομιστή εκτός εάν τα εξάγετε ρητά.

Κέρασέ με έναν καφέ