Когда группы принимают решения — будь то люди, объединяющиеся вокруг общей идеи, роботы, координирующие задачи, или рыбы, решающие, куда плыть, — не все вносят одинаковый вклад. У некоторых людей более надёжная информация, тогда как другие более связаны и имеют большее социальное влияние.

Новое исследование, проведенное учёными из Кластера передового опыта в области интеллекта, показывает, что сочетание неопределенности и неоднородности играет решающую роль в том, как группы достигают консенсуса.

Результаты исследования, опубликованные в журнале Scientific Reports Вито Менгерсом, Мохсеном Рауфи, Оливером Броком, Хайко Хаманном и Павлом Романчуком, показывают, что группы принимают более быстрые и точные решения, когда отдельные лица учитывают не только мнение своих соседей, но и свою уверенность в этих мнениях, а также то, насколько эти другие связаны с группой.

Однако большая уверенность не всегда означает более разумные решения. Исследование также показывает, что самоуверенные члены группы с неверной информацией могут ввести группу в заблуждение.

Почему некоторые группы принимают лучшие решения, чем другие: разнообразие встречается с неопределенностью

Классические модели принятия решений предполагают, что все люди вносят равный вклад в консенсус, но в реальности группы разнообразны и неоднородны как по знаниям, так и по влиянию. Так же, как некоторые люди являются экспертами в теме, или определенные рыбы в стае имеют более чёткое представление о хищниках, некоторые люди имеют более точную или надёжную информацию, чем остальная часть группы. Другие могут быть более «связаны», что заставляет их мнения распространяться более широко. Подумайте о влиятельных фигурах в социальных сетях или о роботах с центральными роями в рое.

Эти два типа разнообразия, а именно уровень знаний и количество связей, не являются независимыми, поскольку неопределенность влияет на то, как они формируют принятие решений. Другими словами, люди с большим первоначальным знанием, как правило, становятся более центральными и влиятельными, помогая другим уменьшить неопределенность, в то время как те, кто взаимодействует со многими другими, получают больше информации и, таким образом, становятся менее неопределенными с течением времени. Эта динамика позволяет группам естественным образом отфильтровывать слабую или предвзятую информацию и сходиться к надежным выводам — до тех пор, пока центральные люди не становятся слишком самоуверенными слишком быстро.

«От групп животных до человеческих обществ и роев роботов, коллективы по своей сути неоднородны во многих отношениях, и каждый индивидуум вносит различия, сформированные его индивидуальностью», — объясняет Мохсен Рауфи, один из ведущих авторов исследования. «И действительно захватывающая часть заключается в том, что группы могут использовать эту неоднородность — без какого-либо центрального контроля — просто используя неопределенность».

Как в исследовании проверялось групповое принятие решений

Чтобы изучить эти эффекты, исследователи построили модель, в которой индивидуумы — будь то роботы, рыбы или люди — динамически корректируют свои убеждения и уверенность по мере поступления новой информации. Неуверенные индивидуумы больше полагались на своих коллег, в то время как уверенные формировали направление мнений группы. Но положение в сети имело не меньшее значение — агенты с высокой степенью связей широко распространяли свои мнения, независимо от того, были ли они верными или нет.

Исследователи обнаружили, что смешение точек зрения было недостаточным для улучшения решений. Группы принимали более умные и быстрые решения, когда руководствовались неопределенностью. Когда у всех была одинаковая уверенность и связи, консенсус был медленным и ненадежным. Но в неоднородных группах неопределенность помогала взвешивать мнения, поэтому решения принимались быстрее и точнее.

Один из самых больших сюрпризов? Когда люди с высокой степенью связей становились слишком уверенными слишком рано и, таким образом, самоуверенными, они начинали доминировать в группе, даже когда они были неправы. Этот дисбаланс означал, что предвзятость могла легко распространяться, несовершенные модели ИИ могли приводить к неверным решениям, и группы могли в конечном итоге следовать за лидером, который был уверен в себе, но в конечном итоге заблуждался.

«Мы часто предполагаем, что влиятельные лица должны быть уверены в своих решениях, — говорит Вито Менгерс, другой ведущий автор, — но наше исследование показывает, что чрезмерная уверенность быстро становится пагубной. Если центральные фигуры или алгоритмы становятся уверенными слишком рано, они могут ввести в заблуждение всю систему, будь то группа людей или сеть роботов».

Почему это важно: ИИ, человеческие сети и уроки природы

В области искусственного интеллекта и робототехники это исследование предлагает новый способ проектирования систем, которые принимают лучшие коллективные решения. Беспилотные автомобили могут оценивать не только входные данные датчиков, но и уверенность других транспортных средств поблизости, повышая безопасность.

Многие естественные системы уже следуют принципу адаптации к неопределенности. Стаи рыб, стаи птиц и колонии муравьев не обрабатывают все входные данные одинаково, а адаптируются динамически. Изучая, как это работает, мы можем лучше понять наш собственный мир и использовать эти знания для создания лучшего ИИ и улучшения человеческого сотрудничества.

Это исследование предполагает, что принятие хороших решений происходит не от устранения неопределенности, а от её правильного использования. Группы — будь то человеческие, роботизированные или биологические — функционируют лучше всего, когда они распознают и приспосабливаются к различиям в знаниях и влиянии, а не игнорируют их. Исследователи показали, что неопределенность — это не недостаток, а свойство. И когда группы используют её с умом, они становятся намного лучше в навигации по сложности и принятии правильных решений.

Её конек схемы в бизнесе, банковской и финансовой сфере.