28 november 2017

“Vooraf vroeg ik me af: een artikel over dit buitengewoon abstracte onderwerp, is dat niet een brug te ver voor de bezoeker van deze website? Misschien, maar NEMO Kennislink is er ook voor minderheden met minder gangbare interesses. Waaronder schrijver dezes, die verbaasd was dat filosofen en computerwetenschappers niet kunnen verklaren hoe rationele beslissingen mogelijk zijn.”

Je leest:

De demon in de machine

De demon in de machine

Verklaren hoe mensen rationele beslissingen nemen is moeilijker dan gedacht

Auteur: | 27 november 2017
Arnout Jaspers voor NEMO Kennislink

Mensen nemen voortdurend beslissingen, maar hoe? Elk model daarvoor loopt tegen het probleem aan dat de wereld bijna oneindig complex is, zodat het model niet efficiënt kan werken. Nijmeegse cognitiewetenschappers hebben een nieuwe kijk op dit hardnekkige probleem.

Een animatiefilmpje van Maria Otworowska waarin ze laat zien wat cognitieve wetenschap is. Het filmpje is haar inzending voor de Radboud communicatiecompetitie. De winnaar zal tijdens een live evenement op 30 november gekozen worden.

Als je mensen een serie paren van stedennamen geeft, en vraagt welke stad in een paar de meeste inwoners heeft, dan zullen ze dat in de meeste gevallen niet weten. Is Sydney groter dan Amsterdam? Is Barcelona groter dan Guangzhou? Heeft iemand, afgezien van de gevallen waarin hij het zeker weet, een betere strategie dan gokken? Het verrassende antwoord is: ja. Als je slechts een van beide namen herkent, kies die dan als de grootste. Dat zal niet altijd kloppen, maar wel heel wat vaker dan 1 op de 2 keer. Zo’n simpele vuistregel noemen cognitiewetenschappers een heuristieke regel, of heuristiek.

Petabytes aan informatie

Cognitiewetenschappers bestuderen hoe mensen kennis van de wereld vergaren en die toepassen. Dat begint bij (of misschien al voor) de geboorte, en gaat een leven lang door. Maar hoe ordent een mens de petabytes aan informatie die via al haar zintuigen binnenkomen, en hoe zet ze dat om in voor haar nuttige (= rationele, in de cognitiewetenschap) acties? Hoewel dit nog volop onderzocht wordt, spelen zulke heuristieken daarin ongetwijfeld een grote rol. In deze visie heeft een mens een gereedschapskist (toolbox) vol met zulke heuristieken, waardoor je heel snel informatie kunt schiften en tot een besluit komen.

Iris van Rooij is cognitie-onderzoeker aan de Radboud Universiteit, en publiceerde met Radboudcollega Maria Otworowska en anderen onlangs het artikel Demons of Ecological Rationality in het vakblad Cognitive Science. Otworowska legt uit: “Mensen kunnen heel veel verschillende kenmerken in hun omgeving onderscheiden. Denk alleen maar aan alle mogelijke kleuren, objecten of gezichtsuitdrukkingen. Niettemin zou onze cognitieve machinerie zo georganiseerd kunnen zijn, dat elke heuristiek niet meer dan een paar kenmerken gebruikt om in een situatie tot een beslissing te komen. In principe is ook het aantal mogelijke acties dat een mens kan ondernemen enorm. Maar toch kan het best zo zijn, in elke gegeven situatie, dat maar een paar acties voordelig of onvoordelig zijn.”

Nieuwe heuristieken

Volgens deze theorie raakt de toolbox nooit vol; mensen nemen niet alleen voortdurend nieuwe informatie op, maar ontwikkelen of adopteren telkens ook nieuwe heuristieken. Zo heeft de lezer van dit artikel nu een nieuwe heuristiek over de inwonersaantallen van steden in zijn adaptive toolbox.

Toolbox
Voorbeeld van een model van een omgeving waarin mensen beslissingen nemen. Links staan omstandigheden, rechts mogelijke acties. Omdat elk van de vijf omstandigheden waar (T) of onwaar (F) kan zijn, telt het omgevingsmodel eigenlijk 25=32 rijen (situaties). In de situatie ‘de zon schijnt’, ‘ik heb honger’ en ‘ik ben buiten’ zijn mogelijke rationele acties ‘eet een broodje’ (1) of ‘eet een ijsje’ (1), maar niet ‘slapen’ (0). In een praktijksituatie kunnen wel honderd omstandigheden relevant zijn, waardoor de omgeving 2100 mogelijke situaties zou tellen. Dat kan natuurlijk geen mens in zijn brein hebben, dus neemt men aan dat er een beperkt aantal simpele vuistregels (heuristieken) bestaat, waarmee je vanuit een situatie tot een rationele beslissing komt. Een voorbeeld van zo’n heuristiek is hier: als ‘het regent’ waar is (T), is ‘ga naar buiten’ geen rationele actie (0).

Een volgend probleem is: welke heuristiek moet je gebruiken, als er een voortdurende stroom informatie op je af komt? Daarvoor bevat de toolbox een zogeheten selector, een soort checklist van ja/nee-vragen, vergelijkbaar met een belastingformulier, die je snel naar de juiste heuristiek leidt.

Onberekenbaar complex

De adaptive toolbox is een heuristische methode om menselijke rationaliteit te modelleren. Concurrende methodes (waar we hier niet op in gaan) staan bekend als de logische en de probabilistische methode. Van deze methodes was al eerder aangetoond, dat ze tegen een principieel probleem aan lopen: deze leiden, toegepast op de echte wereld met een grote verscheidenheid aan omstandigheden, tot onberekenbaar complexe modellen.

Dit wil zeggen: je kunt deze modellen voor menselijke rationaliteit vertalen naar wiskundige problemen die ‘NP-hard’ zijn. Bekendste voorbeeld van een NP-hard probleem is het handelsreizigersprobleem: vind de kortste route die een aantal steden precies één keer aandoet en terugkeert op het uitgangspunt. Voor zeven of twaalf steden kun je de oplossing nog vinden door alle mogelijke routes uit te proberen, maar voor honderd steden is dat niet meer te doen. NP-hard wil zeggen, dat het principieel onmogelijk is (dit is nog niet bewezen, maar wel de consensus onder wiskundigen), om een efficiënt computerprogramma voor zo’n taak te maken.

Dit zou betekenen dat de hersenen van mensen die zich rationeel gedragen, operaties op data uitvoeren die met een computer niet te simuleren zijn. Hersenen zouden dan over ‘demonische’, niet-berekenbare vermogens beschikken. Dat zou ernstige beperkingen opleggen aan het bouwen van robots en kunstmatig intelligente systemen, en in wezen het einde betekenen van de pogingen om menselijk gedrag op een fundamenteel niveau te verklaren.

Klip omzeilen

Tot nu toe werd gedacht, dat het model van de adaptive toolbox deze klip omzeilde. Als de selector en de heuristieken maar simpel genoeg zijn, blijft het model voor een computer of een brein efficiënt doorrekenbaar, ook als je het toepast in de echte wereld. Het artikel in Cognitive Science gooit deze kwestie echter weer helemaal open. Otworowska, Van Rooij en collega’s stellen dat ook in de adaptive toolbox onberekenbare complexiteit schuil gaat.

Die zit in het aspect adaptive, dat wil zeggen het aanpassingsvermogen: naarmate nieuwe informatie binnenkomt, moeten de heuristieken en de selector zich soms aanpassen aan de nieuwe situatie om rationeel te kunnen blijven handelen. En dit proces, waaraan door cognitiewetenschappers tot nu toe weinig aandacht was geschonken, maakt het model toch weer onberekenbaar complex. Om dit aan te tonen, vertalen ze het adaptive toolbox-model naar een ander NP-hard probleem: het bepalen van de kleinste dominerende set van een netwerk (zie onderstaande afbeelding).

Dominatingset
Een klassiek NP-hard probleem is, om in een netwerk een kleinste ‘dominante set’ te vinden. Dit is de kleinste verzameling knooppunten waarvoor geldt, dat elk knooppunt ofwel in deze set zit, ofwel een naaste buur heeft die in de set zit. In bovenstaand netwerkje is (1, 2, 4) een dominante set. Met minder dan drie knooppunten kan het hier niet. Naarmate netwerken meer knooppunten hebben, wordt het exponentieel moeilijker om een kleinste dominante set te vinden. Facebook, met meer dan een miljard gebruikers (knooppunten), is bijvoorbeeld een netwerk dat veel te groot is om er een kleinste dominante set van te bepalen.

Schroothoop

Ze tonen aan, dat gegeven een verzameling mogelijke situaties, het vinden van een setje heuristieken dat voldoende effectief tot rationele beslissingen leidt, minstens net zo moeilijk is als het vinden van een kleinste dominante set in een netwerk. Een adaptive toolbox die efficiënt met de echte wereld overweg kan, mag zelf niet al te groot zijn (dan is hij namelijk niet meer efficiënt) maar hij moet wel om kunnen gaan met een heel groot aantal mogelijke situaties (anders is hij niet rationeel genoeg). Dit probleem is analoog aan het vinden van een kleine dominante set voor een heel groot netwerk, en daarom is ook dit een onhanteerbaar complexe taak voor een computer. De demon van de menselijke rationaliteit heeft zich toch weer niet laten vangen.

Dat betekent nog niet, dat de theorie van de adaptive toolbox op de schroothoop moet. De onderzoekers zien een uitweg: de onberekenbare complexiteit van een toolbox kan best beperkt zijn tot maar één of een paar eigenschappen (parameters) van het model. Als je die geïdentificeerd hebt, kun je onderzoeken of die parameters in de praktijk beperkt blijven tot heel lage waardes. Bijvoorbeeld: het menselijk oog kan miljoenen kleurtinten onderscheiden, maar misschien gebruikt een mens maar vijf of tien kleurgroepen om iets eetbaars van iets oneetbaars te onderscheiden.

Dit is maar een fictief voorbeeld; over hoe de menselijke cognitie werkelijk in elkaar steekt, is nog heel veel onbekend. Iris van Rooij: “Vandaar dat het probleem van de onberekenbaarheid voor de adaptive toolbox-theorie nog niet is opgelost. Maar we zijn druk bezig om dit in ons lab te onderzoeken.”

Bron

  • Demons of ecological rationality,M. Otworowska,M. Blokpoel,M. Sweers, T.Wareham, I. van Rooij, Cognitive Science 2017 1-9 DOI: 10.1111/cogs.12530
Dit artikel is een publicatie van NEMO Kennislink.
© NEMO Kennislink, sommige rechten voorbehouden
Dit artikel publiceerde NEMO Kennislink op 27 november 2017

Discussieer mee

0

Vragen, opmerkingen of bijdragen over dit artikel of het onderwerp? Neem deel aan de discussie.

NEMO Kennislink nieuwsbrief
Ontvang elke week onze nieuwsbrief met het laatste nieuws uit de wetenschap.