做選擇對于一個(gè)人來說有多難又多有趣？

再來看看知乎上問題，10億美元和會(huì)追殺人的蝸牛？

這個(gè)看似荒誕的問題恰恰來自諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者卡尼曼等人于1979年提出的前景理論（Prospect Theory）。

以20%的概率得到100美元，或以80%的概率得到50美元。如果面臨這樣的選擇，你會(huì)選擇哪個(gè)？

前景理論認(rèn)為人們在面臨獲得時(shí)往往小心翼翼，不愿冒風(fēng)險(xiǎn)；在失去時(shí)會(huì)很不甘心，更容易冒險(xiǎn)。人們對損失的痛苦感要大大超過獲得時(shí)的快樂感。

選擇是每個(gè)人無數(shù)次要面臨的問題，從個(gè)人衣食住行到國際間邦交誓盟，選擇或決策無處不在。.很多時(shí)候，選擇或決策是困難的。人們不但會(huì)面臨諸多兩難選擇，還經(jīng)常受到情緒、偏好、認(rèn)知水平等因素的影響。

如果讓AI替你決策，你會(huì)聽他的嗎？

《科學(xué)》（Science）雜志最近刊登了一篇文章，通過大數(shù)據(jù)的方式來為人類做決策。

本文的兩個(gè)作者為上海大學(xué)悉尼工商學(xué)院擬聘的副教授何黎勝博士和美國賓夕法尼亞大學(xué)Sudeep Bhatia。

何黎勝博士于2020年加入上海外國語大學(xué)國際工商管理學(xué)院, 擔(dān)任工商管理系助理教授。2017年畢業(yè)于英國華威大學(xué)商學(xué)院（Warwick Business School）行為科學(xué)系，獲管理學(xué)博士學(xué)位，美國賓夕法尼亞大學(xué)（University of Pennsylvania）博士后研究員（2017-2020）。主要研究方向是行為經(jīng)濟(jì)學(xué)和決策神經(jīng)科學(xué)，研究課程包括決策行為與心理、人類學(xué)習(xí)行為、以及風(fēng)險(xiǎn)決策、跨期決策、社會(huì)決策的心理與認(rèn)知神經(jīng)機(jī)制。他的研究文論發(fā)表于Psychological Review和Cognitive Psychology等國際頂尖心理學(xué)期刊，并擔(dān)任Psychological Review，Decision， Journal of Experimental Psychology: General, Cognitive Psychology, Journal of Mathematical Psychology等國際著名期刊的審稿人。

文章的第一作者Sudeep Bhatia認(rèn)為，這些理論本身只在小數(shù)據(jù)集的選擇上進(jìn)行測試，很少與大數(shù)據(jù)集模型進(jìn)行比較?？紤]到?jīng)Q策研究的跨學(xué)科歷史和風(fēng)險(xiǎn)選擇的復(fù)雜性，這是不可避免的：決策者很容易憑直覺對預(yù)期效用的偏差作出心理解釋。而且，很多新理論模型通常類似于先前發(fā)布的模型，許多理論在基準(zhǔn)數(shù)據(jù)集上高度模仿彼此的預(yù)測。

何黎勝認(rèn)為，盡管新理論模型產(chǎn)生的速度正在加快，但在過去20年中，這些數(shù)據(jù)集的預(yù)測精度幾乎沒有提高。其根本原因是我們的認(rèn)知系統(tǒng)具有高度復(fù)雜性。風(fēng)險(xiǎn)決策看似簡單。如果問大學(xué)生或高中生如何做風(fēng)險(xiǎn)決策，他們中的大多數(shù)人可能會(huì)說我們先算出每個(gè)選項(xiàng)的期望價(jià)值，然后選擇期望價(jià)值最高的選項(xiàng)。

但風(fēng)險(xiǎn)決策比這復(fù)雜得多，受到多種認(rèn)知和情感因素影響。以往研究者通過考慮這些影響因素，對風(fēng)險(xiǎn)決策行為提出了多種理論解釋模型。

在何黎勝與南丹麥大學(xué)教授Pantelis Analytis和賓夕法尼亞大學(xué)教授Sudeep Bhatia共同完成的另一項(xiàng)研究中，通過群體智慧算法整合不同的認(rèn)知與情感因素，我們發(fā)現(xiàn)這樣的集成模型能顯著地提高對決策行為的預(yù)測能力。這里的集成模型也是一種大模，它的預(yù)測精度也超過了前景理論。

經(jīng)過學(xué)習(xí)和訓(xùn)練，深度神經(jīng)網(wǎng)絡(luò)能夠模仿人類的行為，它甚至可以像人類在做選擇時(shí)會(huì)有不理性的行為那樣，表現(xiàn)出非理性。因此，用它來預(yù)測人類決策行為會(huì)大大提高預(yù)測精度。

人工智能、認(rèn)知神經(jīng)科學(xué)的發(fā)展，將為心理學(xué)、決策科學(xué)的發(fā)展提供有力的研究手段。得益于學(xué)術(shù)界和工業(yè)界的大模型投入，近年來人工智能和認(rèn)知神經(jīng)科學(xué)發(fā)展迅速，涌現(xiàn)出大量的開創(chuàng)性研究，也為其他學(xué)科提供了成熟的研究工具。

在決策研究中，研究人員會(huì)研究不同類型的決策，像風(fēng)險(xiǎn)決策、跨期決策、社會(huì)決策、博弈決策等。目前，對這些不同決策類型的研究和建模工作通常相互獨(dú)立。然而，從認(rèn)知的角度，不同的決策類型必然有互聞共通的認(rèn)知與情感機(jī)制。而不同決策類型之間互聞共通的建模研究還非常稀缺，未來完全有可能通過與人工智能、認(rèn)知神經(jīng)科學(xué)融合，實(shí)現(xiàn)不同決策類型的互聞建模。

目前，管理科學(xué)越來越趨向于數(shù)據(jù)驅(qū)動(dòng)的決策。在工業(yè)界和公共政策等領(lǐng)域，越來越多的公司和組織實(shí)驗(yàn)方法（如A/B 測試）獲得實(shí)證數(shù)據(jù)，通過分析實(shí)證數(shù)據(jù)達(dá)到?jīng)Q策優(yōu)化的目的。

然而，目前這種數(shù)據(jù)驅(qū)動(dòng)的決策有不小的局限性。其中一個(gè)重要原因是管理者很多時(shí)候面臨的是一個(gè)復(fù)雜的動(dòng)態(tài)系統(tǒng)，是由多種因素交織而成的綜合體。但A/B測試等方法收集到的數(shù)據(jù)往往是針對某個(gè)特定的小點(diǎn)，對復(fù)雜決策中多因素之間的交錯(cuò)互動(dòng)缺乏全局把握，限制了A/B測試實(shí)驗(yàn)數(shù)據(jù)的適用性。

機(jī)器生成理論可以更大程度地利用A/B測試等方法收集到的數(shù)據(jù)。更為重要的是，機(jī)器生成理論足夠靈活，我們可以用真實(shí)的數(shù)據(jù)去訓(xùn)練這個(gè)系統(tǒng)，讓它不斷地逼近真實(shí)的管理場景。

未來，訓(xùn)練好的機(jī)器生成理論模型可以自動(dòng)地對復(fù)雜管理場景中的事件作出反應(yīng)。也就是說，機(jī)器生成理論有能力將分散的實(shí)驗(yàn)數(shù)據(jù)升華成具有邏輯一致性的體系，實(shí)現(xiàn)復(fù)雜管理決策的自動(dòng)化、智能化。