Kada ljudi moraju da donesu tešku odluku, njihov prvi instinkt je obično da prikupe što više informacija. Samo jedan problem: prema istraživanju objavljenom ove nedelje u časopisu Kognitivno istraživanje: Principi i implikacije, većina ljudi u donošenju odluka zapravo postaje gore, a ne bolje, kada im date dodatne činjenice i detalje.
„To je kontraintuitivno, jer svi volimo da mislimo da mudro koristimo informacije za donošenje pametnih odluka“, rekla je vanredni profesor na katedri Farber Samantha Kleinberg, glavni autor rada i kompjuterski naučnik na Stevens Institute of Technology. „Ali realnost je da kada su u pitanju informacije, više nije nužno i bolje.“
Da bi proučili kako ljudi donose odluke, istraživači obično kreiraju jednostavne dijagrame – ili uzročne modele – koji pokazuju kako različiti faktori logički deluju jedni na druge da bi dali određene rezultate. Kada je reč o opisivanju apstraktnih hipotetičkih scenarija, kao što je kako se vanzemaljci izvrću na plesnoj zabavi, većina ljudi može efikasno da razmišlja o takvim modelima jer nemaju nikakvih predrasuda ili predrasuda o vanzemaljskim plesovima. Ljudi donose dobre odluke jer se fokusiraju na informacije koje im se daju.
Ali Klajnbergov rad pokazuje da kada je reč o svakodnevnim scenarijima, kao što je pronalaženje kako da se donose zdrave odluke u vezi sa ishranom, na primer, sposobnost ljudi da efikasno rasuđuju gotovo nestaje.
„Mislimo da prethodno znanje i uverenja ljudi odvlače pažnju od kauzalnog modela koji je pred njima“, objasnio je Klajnberg. „Ako razmišljam o tome šta da jedem, na primer, možda imam razne predrasude o tome šta je najbolje jesti – a to otežava efikasno korišćenje informacija koje mi se daju.
Da bi potvrdili tu hipotezu i nadogradili svoju studiju iz 2020. godine, Kleinberg i koautor Jessecae Marsh, kognitivni psiholog na Univerzitetu Lehigh, izveli su seriju eksperimenata koji istražuju kako se donošenje odluka razlikuje kada im se prezentiraju različite vrste uzročno-posljedičnih modela širom svijeta. širok spektar tema iz stvarnog života, od kupovine kuće i upravljanja telesnom težinom do izbora fakulteta i povećanja odziva birača. Brzo je postalo očigledno da ljudi znaju kako da koriste uzročne modele, ali čak i vrlo jednostavan model brzo postaje gotovo beskorisan kada se mešavini doda samo malo dodatnih detalja, osim informacija koje su striktno neophodne za donošenje dobre odluke.
„Ono što je zaista izvanredno je da čak i mala količina viška informacija ima veliki negativan uticaj na naše donošenje odluka“, rekao je Klajnberg. „Ako dobijete previše informacija, vaše donošenje odluka brzo postaje loše kao da uopšte niste dobili nikakvu informaciju.
Ako kauzalni model pokazuje da konzumiranje slane hrane podiže vaš krvni pritisak, ali takođe pokazuje dodatne informacije kao što je voda za piće čini manje žednim, na primer, ljudima postaje mnogo teže da donesu efikasne izbore o najboljem načinu da očuvaju svoje zdravlje. Međutim, kada je Klajnbergov tim istakao važne uzročne informacije, sposobnost ljudi da donose dobre odluke brzo se vraća.
„To je značajno jer pokazuje da problem nije samo u tome što su ljudi preplavljeni ogromnom količinom informacija – više je u tome što se bore da shvate na koje delove modela treba da obrate pažnju“, rekao je Klajnberg.
Ovaj rad ima značajne implikacije u oblastima kao što je javno zdravlje, jer znači da obrazovne poruke moraju biti svedene na svoje najvažnije delove i pažljivo predstavljene kako bi imale pozitivan uticaj. „Ako ljudima dajete spisak stvari koje treba uzeti u obzir kada odlučuju da li da nose masku za lice ili da se testiraju na COVID, ili šta da jedu ili piju, onda im zapravo otežavate dobre odluke“, rekao je Klajnberg.
Čak i kada su Klajnberg i Marš dali učesnicima mogućnost da dobiju više ili manje informacija, oni koji su tražili više informacija donosili su lošije odluke od onih koji su tražili manje. „Ako ljudima date priliku da preterano razmišljaju, čak i kada traže dodatne informacije“, rekao je Klajnberg, „stvari idu loše. Ljudima su potrebni jednostavni i pažljivo ciljani kauzalni modeli da bi doneli dobre odluke“.
Jedan pristup pomoći u donošenju odluka mogao bi biti korišćenje AI chat robota za prilagođavanje zdravstvenih informacija ili saveta o ishrani pojedincima od slučaja do slučaja – u suštini unoseći složeni kauzalni model u AI model i omogućavajući mu da otkrije i istakne samo specifične informacije koje su najrelevantnije za određenog pojedinca.
