Как мы понимаем, что наши принятые решения - правильные

Способность подвергать сомнению плохие решения и быть уверенным в хороших зависит в значительной степени от того, насколько человек осознает свои субъективные оценочные суждения и сравнения после принятия решения.

[caption id="attachment_263560" align="aligncenter" width="960"] Это то, что нейробиологи называют самоанализом. Фото: Pixabay[/caption] Покупка подержанного автомобиля по хорошей цене приносит удовольствие. Но выбор вкусного на вид пончика в супермаркете оставляет нас пронизанными сомнениями. В конце концов, в этом году мы решили перейти на более здоровую диету — не лучше ли купить яблоко? Мы все испытывали это чувство в тот или иной момент: некоторые решения интуитивно кажутся правильными, в то время как другие вызывают у нас чувство сомнения и могут даже заставить нас пересмотреть свой первоначальный выбор. Но откуда берется это чувство? Впервые группа исследователей из ETH Zurich и Цюрихского университета под руководством профессора ETH Рафаэля Полании систематически исследовала этот вопрос. Авторы использовали экспериментальные данные для разработки компьютерной модели, которая может предсказать, как человек будет выбирать между различными вариантами и почему впоследствии он может чувствовать себя уверенно или сомневаться в принятом решении, пишет medicalxpress.com. «Используя нашу модель, мы успешно показали, что решения, скорее всего, будут правильными, если мы приложим значительные усилия для взвешивания различных вариантов и, более того, осознаем это», — говорит Полания, руководитель Лаборатория нейробиологии решений в ETH Zurich. Следовательно, способность подвергать сомнению и пересматривать плохие решения зависит от того, насколько хорошо мы способны судить о том, тщательно ли мы взвесили варианты или позволили себе отвлечься в процессе принятия решения. Это самосознание , которое эксперты обычно называют самоанализом, является важной предпосылкой самоконтроля.

Изучение субъективных оценок выбора в лаборатории

Наша уверенность в собственных решениях основана на субъективных оценках ценностей, которые мы обычно делаем автоматически и беспрекословно в повседневной жизни. Чтобы провести систематический анализ того, как работает этот процесс, Полания и его команда изучили, как испытуемые оценивают и выбирают повседневные продукты. Первоначально 35 участников исследования попросили оценить 64 продукта из двух швейцарских сетей супермаркетов. Им показывали изображение каждого продукта на экране и спрашивали, сколько они хотели бы съесть его в конце эксперимента. Во второй части эксперимента испытуемым показывали серию картинок, на которых были изображены два продукта одновременно. В каждом случае их просили выбрать один из двух вариантов — пончик или яблоко, пиццу или грушу, — а затем оценить, насколько они уверены в своем решении. Чтобы сделать эксперимент максимально реалистичным, участники должны были съесть продукты после эксперимента. Исследователи использовали сканер глаз как на этапе оценки, так и на этапе принятия решения, чтобы определить, проводили ли участники больше времени, глядя на один из двух продуктов, как часто их взгляд перемещался слева направо и как быстро они принимали решение.

Более высокое усилие внимания приводит к большей уверенности

Используя эти данные и аналогичный набор данных от другой исследовательской группы, Полания вместе со своей докторской степенью. студент Йерун Брус разработал компьютерную модель , которая может предсказать, при каких условиях люди будут доверять своим решениям или не доверять им. «Мы обнаружили, что у людей, скорее всего, возникнет плохое предчувствие по поводу решения, если они проанализируют, что не уделили достаточно внимания сравнению различных вариантов», — говорит Полания. Модель использует модели движений глаз участников, чтобы определить, сколько усилий они на самом деле приложили для оценки и сравнения различных продуктов. Считается, что тот, кто не торопится и всегда держит в поле зрения оба варианта, вложил много усилий в внимание, в то время как тот, кто склонен зацикливаться только на одном варианте и пренебрегает другим, считается менее внимательным. Лучший способ проиллюстрировать эти выводы — рассмотреть пример из повседневной жизни: если мы бездумно добавим пончик в нашу корзину для покупок, даже выразив намерение питаться более здоровой пищей, и впоследствии поймем, что мы даже не думали о более здоровых альтернативах. , мы должны иметь низкую уверенность в нашем решении и пересмотреть его. Если, с другой стороны, мы осознаем, что тщательно рассмотрели ряд более здоровых продуктов, но затем отказались от них, потому что просто хотели пончик больше, чем яблоко или грушу, мы должны быть уверены в своем решении.

Использование самоанализа для пересмотра плохих решений

По мнению авторов исследования, способность подвергать сомнению плохие решения и быть уверенным в хороших зависит в значительной степени от того, насколько человек осознает свои субъективные оценочные суждения и сравнения после принятия решения. Это то, что нейробиологи называют самоанализом. «После того, как мы приняли решение, мы можем сомневаться в его ценности и пересматривать его только в том случае, если мы действительно осознаем тот факт, что не уделили достаточно внимания сравнению вариантов», — говорит Полания. Эта способность к самоанализу также является важной частью нашей способности осуществлять самоконтроль. Без этого, говорит Полания, мы с гораздо большей вероятностью будем действовать в соответствии со своими предпочтениями, скажем, в отношении нездоровой пищи, не подвергая их сомнению. Хорошая новость заключается в том, что мы можем тренировать эту способность с помощью упражнений на внимательность и медитации.

Приложения в умных очках и беспилотных транспортных средствах

Полания говорит, что эта модель в конечном итоге может быть встроена в умные очки , которые отслеживают движения глаз. «Очки могут использовать модель, чтобы определить, насколько мы внимательны, и дать нам знать, когда нам следует подвергнуть сомнению решение », — говорит он. Полания также считает, что модель может быть полезна для беспилотных автомобилей. Алгоритмы, используемые в автономных транспортных средствах, постоянно принимают решения на основе непрерывного потока данных с датчиков транспортного средства. «Наша модель может помочь автомобилю оценить свои решения и при необходимости пересмотреть их», — говорит Полания.