fbpx
ActualitésHigh Tech

La théorie de la cognition quantique explique pourquoi les humains prennent des décisions stupides

Les scientifiques de l’Université des sciences et technologies de Chine ont une réponse basée sur la physique quantique à la question ultime: si les humains sont si intelligents, pourquoi faisons-nous tous autant de choix stupides?

Les psychologues et les casinos ont dépensé des ressources incalculables pour essayer de comprendre pourquoi les humains ne font pas toujours les bons choix, même lorsque les conséquences sont évidentes. Théoriquement, nous sommes tous capables de faire des choix simples et intelligents – mais qui parmi nous n’a pas pris une ou deux décisions regrettables de sa vie? Pourquoi personne n’est-il parfait?

La réponse est l’incertitude, comme dans le type d’incertitude qui anime les théories de la mécanique quantique. Les chercheurs ont adopté un paradigme de résolution de problèmes appelé apprentissage par renforcement quantique (QRL) qui est basé sur une technique utilisée à la fois en psychologie et en développement de l’intelligence artificielle appelée apprentissage par renforcement classique (CRL).

L’apprentissage par renforcement classique est un concept simple qui implique récompense et punition. Que vous entraîniez un bébé ou un robot, l’idée est que vous le récompensiez pour avoir accompli une tâche avec succès et que vous le punissiez (en retenant la récompense) pour le contraire. Appliquée à la cognition, l’idée est que nous prenons toutes nos décisions en fonction de la récompense perçue par rapport à la punition.

L’apprentissage par renforcement quantique implique un agent quantique interagissant avec un environnement classique afin d’ajuster ses paramètres via une récompense ou une punition. Essentiellement, les amplitudes de probabilité (les paramètres mathématiques du grand cerveau que les scientifiques utilisent pour calculer la probabilité que quelque chose se passe) utilisées dans QRL sont basées sur la physique quantique et non sur la physique classique binaire. En théorie, cela devrait rendre les prédictions créées à l’aide de QRL plus robustes que celles créées à l’aide de CRL. C’est, apparemment, parce que ces modèles tiennent compte de l’incertitude qui existe dans l’univers quantique – vous ne pouvez jamais vraiment prédire le résultat d’un événement au niveau quantique.

Pour prouver que c’était le cas cependant, les chercheurs avaient besoin d’une méthode permettant de vérifier que les modèles QRL surpassaient les modèles CRL pour mesurer le comportement humain réel. À cette fin, les scientifiques ont sollicité des sujets de test qui se sont soumis à des examens d’IRMf tout en jouant à un jeu appelé «Iowa Gambling Task».

La tâche de jeu de l’Iowa a été développée pour déterminer la facilité avec laquelle les participants ont appris de leurs erreurs. L’essentiel est que les utilisateurs sont présentés avec quatre jeux de cartes et invités à tirer une carte de n’importe quel jeu de leur choix, selon la valeur de la carte tirée, ils perdront ou gagneront de «l’argent» dans le jeu. Certains des decks sont «mauvais» et videront l’argent des joueurs s’ils continuent à en tirer et d’autres sont «bons» et seront payants si les joueurs continuent de tirer.

Toutes choses étant égales par ailleurs, la plupart des joueurs devraient s’entendre assez rapidement lorsqu’un deck ne s’étend pas. La plupart des joueurs, au cours de diverses études au fil des ans, ont tendance à tirer quelques cartes de chaque deck jusqu’à ce qu’elles atterrissent sur une qui se détache. Cependant, comme de nombreuses études l’ont montré, y compris celle à laquelle cet article fait référence, les participants ayant des antécédents de dépendance ou d’activité cérébrale anormale ont tendance à prendre les «mauvaises» décisions plus souvent.

Les scientifiques de l’Université des sciences et de la technologie en Chine ont exploité ces connaissances pour déterminer plus facilement si les modèles de probabilité basés sur QRL présentaient des avantages par rapport aux LCR en comparant les résultats et les analyses cérébrales des candidats «sains» et de ceux qui présentaient des signes. d’addition, c’est-à-dire: les fumeurs de cigarettes.

Les fumeurs de cigarettes ont sous-performé à l’Iowa Gambling Task par rapport aux individus «en bonne santé» mais, étonnamment, les modèles QRL prédisaient mieux les résultats que les modèles CRL pour les deux groupes.

Cela semble soutenir l’idée que la «cognition quantique» explique mieux le comportement humain et la prise de décision que les modèles de probabilité binaires. Et si la meilleure façon de mesurer et de prédire le comportement humain utilise des modèles d’apprentissage quantique, il est logique que la cognition humaine elle-même soit quantique.

La seule façon d’expliquer la mémoire humaine, la cognition et la conscience est peut-être à travers la lentille de la mécanique quantique.

L’écrivain LiveScience Nicoletta Lanese, écrivant sur la même étude, dit:

La mécanique quantique reconnaît également que les croyances des gens sur le résultat d’une décision donnée – qu’elle soit bonne ou mauvaise – reflètent souvent ce que leur choix final finit par être. De cette façon, les croyances des gens interagissent ou deviennent «enchevêtrées» avec leur action éventuelle.

Au meilleur de nos connaissances, ce travail représente la première étude formelle examinant les preuves physiologiques de la théorie du renforcement quantique dans la prise de décision humaine. Pour plus d’informations, lisez le document de recherche complet ici sur Nature Human Behavior.

Afficher plus

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page