人間意思決定理論は長きにわたって停滞していたが、人間の「リスクのある選択」を研究する現在までの最大規模の研究において、研究者らは機械学習を利用して、その試験と改善を行うことができる方法を示した。人々が意思決定を行う方法を理解し予測することは、心理学や経済学において長年にわたる目標であり、意思決定について競合する理論やモデルが氾濫していた。しかし、これらの理論の多くはお互いに区別することがしばしば困難であり、人間の行動を完全に決定付けるものや新たな知見が得られなかった。その結果、最良の意思決定理論やモデルについての合意や予測能力において得られるものもほとんどなかった。最近、機械学習を利用して、新たな意思決定理論の発見と評価を行う取り組みが推進されている。しかしながら、これらのデータ駆動による取り組みによって、人間の判断に関する新たな予測モデルの発見を加速することができるものの、データセットが小規模なことから結果が限定され、しばしば解釈不可能であった。この点を扱うために、Joshua Petersonらは、リスクのある選択問題約10,000件に関する人間の決定について大規模データセットを収集した。リスクのある選択は、古典的意思決定理論において最も基本的で広範囲に研究された問題の１つであり、人が2つの不平等な賭け、例えば、20%の確率で100ドルを得るか、または80%の確率で50ドルを得るかの間でどのように決定するかが評価される。Petersonらは、ディープニューラルネットワークを利用すれば、驚く程の正確さで人間の意思決定を模倣することができ、リスクのある選択について人間が作成した既存モデルを大幅に凌駕することを発見した。さらに、人間の意思決定を模倣するという学習において、ディープニューラルネットワークによって、確立された行動理論の根底にある心理的特性の多くも明らかにされ、これらの評価および精緻化を行うことが可能になっている。「最終的には、大規模データセットおよび計算能力の向上については、その利用可能性が拡大することによって、機械学習は意思決定研究者ツールボックスの不可欠な要素になり、人間の選択行動に関する理論研究が再活性化され（恐らく、大変革が起こる）」とSudeep BhatiaとLisheng Heは関連するPerspectiveで述べている。
###
Journal
Science