Contrairement aux approches traditionnelles qui considèrent les décisions comme toujours rationnelles et bénéfiques, ces travaux exploitent l’intelligence artificielle pour mieux cerner les influences réelles, y compris celles qui mènent à des choix sous-optimaux.
Marcelo Mattar, professeur à l’Université de New York, souligne que cette méthode agit tel un enquêteur, mettant en lumière des stratégies décisionnelles ignorées par la recherche pendant des années.
L’utilisation de petits réseaux de neurones est particulièrement pertinente, car elle facilite l’observation des mécanismes qui régissent les décisions individuelles.
Les prédictions générées surpassent celles des modèles cognitifs traditionnels, et l’étude a démontré que ce modèle s’applique à une variété de sujets, reflétant ainsi la complexité du comportement chez l’humain et l’animal.
Cette compréhension des différences de stratégie décisionnelle pourrait avoir un impact considérable dans les domaines de la santé mentale et des fonctions cognitives, avec des implications également pour les secteurs commercial et gouvernemental.
Source: IA Tech news
