Wetenschap
Theoretische biologen testen twee manieren van sociaal redeneren en vinden verrassende waarheden in eenvoud
Stel je een klein dorp voor waar elke actie die iemand onderneemt, goed of slecht, stilletjes wordt gevolgd door altijd attente, nieuwsgierige buren. De reputatie van een individu wordt opgebouwd door deze acties en observaties, die bepalen hoe anderen hem zullen behandelen. Ze helpen een buurman en krijgen in ruil daarvoor waarschijnlijk hulp van anderen; ze keren hun buurman de rug toe en raken geïsoleerd. Maar wat gebeurt er als mensen fouten maken, als goede daden onopgemerkt blijven, of als fouten leiden tot onterechte schuld?
Hier kruist de studie van gedrag het Bayesiaanse en abductieve redeneren, zegt Erol Akçay, een theoretisch bioloog aan de School of Arts &Sciences van de Universiteit van Pennsylvania.
Bayesiaanse redenering verwijst naar een methode om de waarschijnlijkheid te beoordelen, waarbij individuen voorkennis gebruiken in combinatie met nieuw bewijsmateriaal om hun overtuigingen of schattingen over een bepaalde aandoening bij te werken, in dit geval de reputatie van andere dorpelingen. Terwijl abductief redeneren een eenvoudige 'wat je ziet is wat je krijgt'-benadering inhoudt voor het rationaliseren en nemen van een beslissing, zegt Akçay.
In twee artikelen, waarvan één gepubliceerd in PLoS Computational Biology en de andere in het Journal of Theoretical Biology onderzochten onderzoekers van de afdeling Biologie hoe deze redeneerstrategieën effectief kunnen worden gemodelleerd en toegepast om het inzicht van biologen in de sociale dynamiek te vergroten.
Een goede inschatting maken
De PLoS computationele biologie Het artikel onderzoekt hoe Bayesiaanse statistische methoden kunnen worden gebruikt om de waarschijnlijkheid van fouten te wegen en de oordelen van actoren binnen een sociaal netwerk in lijn te brengen met een genuanceerder begrip van reputatie. "Het is iets dat we vaak doen als we een verklaring proberen te vinden voor bepaalde verschijnselen zonder dat er een voor de hand liggende, eenvoudige of intuïtieve oplossing bestaat", zegt Akçay.
Bryce Morsky, co-auteur van beide artikelen en nu assistent-professor aan de Florida State University, begon het werk tijdens zijn postdoctorale onderzoek in het laboratorium van Akçay. Hij zegt dat hij aanvankelijk geloofde dat het verantwoorden van beoordelingsfouten het belonings- en strafsysteem dat ten grondslag ligt aan de samenwerking substantieel zou kunnen verbeteren en dat hij verwachtte dat een beter begrip van deze fouten en het opnemen ervan in het model een effectievere samenwerking zou bevorderen. P>
"In wezen was de hypothese dat het verminderen van fouten zou leiden tot een nauwkeurigere beoordeling van reputaties, wat op zijn beurt de samenwerking zou bevorderen", zegt hij.
Het team ontwikkelde een wiskundig model om Bayesiaanse redenering te simuleren. Het betrof een speltheoretisch model waarin individuen met elkaar omgaan binnen een raamwerk van op donaties gebaseerde ontmoetingen. Andere individuen in de simulatie beoordelen de reputatie van actoren op basis van hun acties, beïnvloed door verschillende vooraf gedefinieerde sociale normen.
In de context van het dorp betekent dit dat je elke dorpeling beoordeelt op basis van zijn daden – of hij een ander helpt (goed) of dat hij dat niet doet (slecht) – maar ook dat hij rekening houdt met zijn historische reputatie en het potentieel dat je niet goed hebt ingeschat.
"Dus als je bijvoorbeeld iemand ziet die zich slecht gedraagt, maar je dacht dat hij voorheen goed was, blijf je openstaan voor dingen die je misschien niet goed zag. Dit maakt een genuanceerde berekening van reputatie-updates mogelijk", zegt Morsky. Hij en collega's gebruiken dit model om te zien hoe fouten en redeneringen de perceptie en sociale dynamiek van de dorpelingen zouden beïnvloeden.
De vijf belangrijkste sociale normen die in het onderzoek worden onderzocht zijn:scoren, mijden, eenvoudig blijven staan, blijven en streng oordelen; elk heeft een andere invloed op de reputatie en het daaropvolgende gedrag van individuen, waardoor de evolutionaire uitkomsten van coöperatieve strategieën veranderen.
"In sommige scenario's, vooral onder Scoring, verbeterde de Bayesiaanse redenering de samenwerking, zegt Morsky. "Maar onder andere normen, zoals de Stern-beoordeling, resulteerde dit over het algemeen in minder samenwerking vanwege strengere beoordelingscriteria."
Morsky legt uit dat bij Scoring een eenvoudige regel wordt toegepast:het is goed om samen te werken (geven) en slecht om te falen (niet geven), ongeacht de reputatie van de ontvanger. Terwijl bij Stern-jury niet alleen de daden van individuen in ogenschouw worden genomen, maar hun beslissingen ook kritisch worden beoordeeld op basis van de reputatie van de ontvanger.
Als een dorpeling in de context van het nieuwsgierige buren-scenario besluit een ander te helpen, wordt deze actie positief genoteerd onder Scoren, ongeacht wie de hulp ontvangt of wat zijn positie in het dorp is. Omgekeerd wordt onder Stern Judging als een dorpeling ervoor kiest iemand met een slechte reputatie te helpen, dit negatief opgemerkt, zeggen de onderzoekers.
Hij voegt eraan toe dat het gebrek aan samenwerking vooral tot uiting kwam in normen waar Bayesiaanse redeneringen leidden tot minder tolerantie voor fouten, wat meningsverschillen over reputaties zou kunnen verergeren in plaats van ze op te lossen. Dit, in combinatie met de wetenschap dat mensen niet alle relevante informatie afwegen voordat ze beslissen met wie ze gaan samenwerken, was voor Akçay en Morsky aanleiding om andere manieren van redeneren te onderzoeken.
Meer dan alleen maar een vermoeden
Terwijl hij in het laboratorium van Akçay werkte, rekruteerde Morsky Neel Pandula, toen een tweedejaars op de middelbare school. "We hebben elkaar ontmoet via de Penn Laboratory Experience in het Natural Sciences-programma", zegt Morsky. "In het licht van het Bayesiaanse redeneermodel stelde Neel abductief redeneren voor als een andere benadering van het modelleren van redeneren, en dus begonnen we dat artikel te schrijven voor het Journal of Theoretical Biology , waarvan hij de eerste auteur werd."
Pandula, nu een eerstejaars student aan het College of Arts and Sciences, legt uit dat hij en Morsky de Dempster-Shafer-theorie – een probabilistisch raamwerk om de beste verklaringen af te leiden – gebruikten om de basis van hun aanpak te vormen.
"Wat hier van cruciaal belang is, is dat de Dempter-Shafer-theorie een beetje flexibiliteit biedt bij het omgaan met onzekerheid en het mogelijk maakt nieuw bewijsmateriaal in bestaande geloofssystemen te integreren zonder zich volledig aan één enkele hypothese te binden, tenzij het bewijsmateriaal sterk is", zegt Pandula.
De onderzoekers leggen bijvoorbeeld uit dat in een dorp het zien van een goed persoon die een ander goed persoon helpt, aansluit bij de sociale normen en gemakkelijk wordt geaccepteerd door waarnemers. Als echter wordt gezien dat een dorpeling die bekend staat als slecht, een goed persoon helpt, is dit in tegenspraak met deze normen, waardoor waarnemers de reputatie die ermee gemoeid is of de juistheid van hun waarnemingen in twijfel trekken. Vervolgens gebruiken ze de regels van abductief redeneren, met name de Dempster-Shafer-theorie, waarbij ze rekening houden met foutenpercentages en typisch gedrag om de meest waarschijnlijke waarheid achter de onverwachte actie te bepalen.
Het team verwachtte dat abductief redeneren fouten in reputatiebeoordelingen effectiever zou aanpakken, vooral in openbare omgevingen waarin individuen op de een of andere manier onder druk kunnen worden gezet, wat tot discrepanties en fouten kan leiden. Onder Scoring en de andere normen ontdekten ze dat abductief redeneren samenwerking beter zou kunnen bevorderen dan Bayesiaans redeneren in openbare omgevingen.
Akçay zegt dat het een beetje een verrassing was om te zien dat bij het navigeren door sociale netwerken zo'n eenvoudig "cognitief 'goedkoop, lui' redeneermechanisme effectief blijkt in het omgaan met de uitdagingen die gepaard gaan met indirecte wederkerigheid."
Morsky merkt op dat de onderzoekers er in beide modellen voor kozen om geen rekening te houden met de kosten van cognitieve belasting. ‘Je zou hopen dat het uitvoeren van een veeleisende taak, zoals onthouden welke individuen wat hebben gedaan en dat gebruiken om je te informeren over wat ze waarschijnlijk daarna gaan doen, een positieve, prosociale uitkomst zou opleveren. Maar zelfs als je deze inspanning kosteloos doet, onder Bayesiaans redenering ondermijnt het over het algemeen de samenwerking."
Als vervolg hierop willen de onderzoekers onderzoeken hoe goedkope redeneermethoden, zoals abductief redeneren, evolutionair de voorkeur kunnen krijgen in grotere, complexere sociale kringen. En ze zijn geïnteresseerd in het toepassen van deze redeneermethoden op andere sociale systemen.