Forskere udvikler en beregningsmodel til at forudsige menneskelig adfærd

Forskere fra hæren har for første gang udviklet en analytisk model, der skal vise, hvordan grupper af mennesker påvirker individuel adfærd.

Teknisk set, dette havde aldrig været gjort før:Ingen havde taget beregningsoplysningerne fra en kollektiv model (numeriske løsninger af, sige, tusinder af ligninger) og brugte den til nøjagtigt at bestemme en persons adfærd (reduceret til en ligning). Forskere fra U.S. Army Research Laboratory rapporterer deres resultater ("Fraktionel dynamik af enkeltpersoner i komplekse netværk") i oktoberudgaven af Grænser i fysik .

Denne opdagelse var et produkt af igangværende forskning for at modellere, hvordan et individ tilpasser sig gruppeadfærd. ARL's program i netværksvidenskab søger at bestemme kollektiv gruppeadfærd, der stammer fra individers dynamiske adfærd. I fortiden, samarbejdsarbejdet af Dr. Bruce West, seniorforsker ved Army Research Office, og Malgorzata Turalska, en postdoktoral forsker ved ARL, fokuseret på at konstruere og fortolke output fra store computermodeller af komplekse dynamiske netværk, hvorfra kollektive egenskaber såsom sværmer, kollektiv intelligens og beslutningstagning kunne bestemmes.

"Dr. Turalska og jeg havde udviklet og udforsket en netværksmodel for beslutningstagning i en årrække, " sagde West. "Men for nylig faldt det os ind at ændre spørgsmålet fra 'Hvordan ændrer individet gruppeadfærd?' til 'Hvordan ændrer gruppen individuel adfærd?' Når vi vendte spørgsmålet på hovedet, fik vi lov til at forfølge samfundsvidenskabens hellige gral for hæren, som har været at finde en måde at forudsige individers følsomhed over for overtalelse, propaganda og direkte bedrag. Modeller udviklet til dette formål har udviklet sig til det punkt, at de kræver store beregninger, der er lige så komplekse og lige så vanskelige at fortolke som resultaterne af psykologiske eksperimenter med mennesker. Følgelig, den foreliggende undersøgelse foreslår en måde at omgå disse tidskrævende beregninger og repræsentere den efterspurgte følsomhed i en enkelt parameter. "

Psykologer og sociologer har intensivt undersøgt og diskuteret, hvordan individers værdier og holdninger ændres, når de tilmelder sig en organisation, Sagde West. Ligeledes, hæren er interesseret i denne dynamik, hvordan det kan spille i terrororganisationer, og omvendt hvordan individer bliver forvandlet under Army Basic Training. Jo dybere lederne forstår processen med læring og tilpasning inden for en gruppe, jo mere effektive de vil være i træningsprocessen, derved øge rekruttens ejerskab af sine nyudviklede evner, hvilket er det sande mål for uddannelsens succes.

I deres artikel, Turalska og West udleder og tester med succes en ny slags dynamisk model for individuel adfærd, der kvantitativt inkorporerer gruppens dynamiske adfærd. Testen viser, at den analytiske løsning på denne nye form for ligning falder sammen med forudsigelserne om den store computersimulering af gruppedynamikken.

Modellen består af mange interagerende individer, der har en ja/nej -beslutning om at træffe f.eks. det er valgdag, og de skal stemme enten R eller D. Antag, at når enkeltpersoner alene ikke kan bestemme, de skifter hurtigt frem og tilbage mellem de to muligheder, så de begynder at tale med deres naboer. På grund af denne informationsudveksling, den numeriske beregning ved hjælp af computermodellen finder ud af, at folk nu holder deres meninger i betydeligt længere tid.

For at modellere gruppedynamikken, testen brugte en ny form for ligning, med et ikke-heltal (fraktioneret), frem for et helt tal, afledte, at repræsentere svingende meninger. I en gruppe på 10, 000 mennesker, indflydelse fra 9, 999 mennesker til at forstyrre et individ er kondenseret til en enkelt parameter, som er indekset for den brøkafledte. West sagde, at uanset opførsel af individet, før han sluttede sig til gruppen, ændringen i adfærd er dramatisk efter tilslutning. Styrken af ​​gruppens indflydelse på en persons adfærd komprimeres til et enkelt tal, ikke-heltalderivatet.

Følgelig, en persons simple tilfældige adfærd ved beslutningen om, hvordan man stemmer, eller ved at træffe en anden beslutning, når isoleret, erstattes med adfærd, der kan tjene en mere adaptiv rolle i sociale netværk. Forfatterne formoder, at denne adfærd kan være generisk, men det er stadig at bestemme, hvor robust individets adfærd er i forhold til kontrolsignaler, der muligvis driver netværket.

Brøkregningen har, kun i det seneste årti, blevet anvendt på komplekse fysiske problemer såsom turbulens, opførsel af ikke-newtoniske væsker, og afslapning af forstyrrelser i viskoelastiske materialer; imidlertid, ingen havde tidligere anvendt fraktionelle operatører til beskrivelse og fortolkning af sociale/psykologiske dynamiske fænomener. Ideen om at kollapse effekten af ​​interaktionerne mellem medlemmer af en social gruppe til en enkelt parameter, der bestemmer niveauet for indflydelse af kollektivet på individet, er aldrig tidligere blevet gennemført matematisk.

West sagde, at denne forskning åbner døren til et nyt studieområde, der kombinerer netværksvidenskab og brøkregning, hvor de store numeriske beregninger af dynamikken i komplekse netværk kan repræsenteres gennem ikke-heltalsindekser for derivater. Dette kan endda antyde en ny tilgang til kunstig intelligens, hvor hukommelse er inkorporeret i den dynamiske struktur af neurale netværk.