做出日常決策似乎很容易。人們了解有關(guān)健康和財(cái)務(wù)狀況的基本信息，可用來為決策提供依據(jù)。但是史蒂文斯理工學(xué)院的最新研究表明，太多的知識會導(dǎo)致人們做出更糟糕的決定，這表明我們對新信息如何與先前的知識和信念相互作用的理解存在嚴(yán)重差距。

史蒂文斯計(jì)算機(jī)科學(xué)副教授薩曼莎·克萊恩伯格(Samantha Kleinberg)領(lǐng)導(dǎo)的這項(xiàng)工作正在幫助重新構(gòu)想我們?nèi)绾问褂脧娜斯ぶ悄芎蜋C(jī)器學(xué)習(xí)算法中提取的大量數(shù)據(jù)以及醫(yī)療保健專業(yè)人員和財(cái)務(wù)顧問如何向他們的新信息提供這些想法患者和客戶。

克萊恩伯格說：“準(zhǔn)確的信息不足以使信息有用。” “假設(shè)人工智能和機(jī)器學(xué)習(xí)將發(fā)現(xiàn)大量信息，我們將其提供給人們，他們將做出明智的決定。但是，本文的基本要點(diǎn)是缺少一個(gè)步驟：我們需要幫助人們建立他們已經(jīng)知道并了解如何使用新信息。”

例如：當(dāng)醫(yī)生向患者傳達(dá)信息時(shí)，例如推薦降壓藥物或解釋糖尿病的危險(xiǎn)因素，人們可能會在考慮藥物的成本或達(dá)成同一目標(biāo)的其他方法?？巳R恩伯格說：“因此，如果您不理解所有其他這些信念，那么就很難有效地對待它們。”他的工作發(fā)表在2月13日出版的《認(rèn)知研究：原理與啟示》上。

Kleinberg和同事向4,000位參與者提出了一系列與他們熟悉程度不同的主題相關(guān)的問題。一些參與者被要求對他們可能不熟悉的場景做出決策，即如何讓一群能讀心術(shù)的外星人完成一項(xiàng)任務(wù)。其他參與者被問到更熟悉的話題，即選擇如何降低退休投資組合中的風(fēng)險(xiǎn)或在特定餐食和體重控制活動之間做出決定。

對于某些參與者，場景具有因果關(guān)系結(jié)構(gòu)，這意味著參與者可以根據(jù)以文字或圖表形式表示的因果關(guān)系做出正確的決定。然后，該團(tuán)隊(duì)可以比較人們在使用新信息還是僅使用他們已經(jīng)知道的信息方面做得更好還是更差。