Qui, lo studio del comportamento si interseca con il ragionamento bayesiano e abduttivo, afferma Erol Akçay, biologo teorico della School of Arts &Sciences dell'Università della Pennsylvania.

Il ragionamento bayesiano si riferisce a un metodo per valutare la probabilità, in cui gli individui utilizzano conoscenze pregresse abbinate a nuove prove per aggiornare le proprie convinzioni o stime su una determinata condizione, in questo caso la reputazione di altri abitanti del villaggio. Mentre il ragionamento abduttivo implica un semplice approccio del tipo "ciò che vedi è ciò che ottieni" per razionalizzare e prendere una decisione, afferma Akçay.

In due articoli, uno pubblicato su PLoS Computational Biology e l'altro nel Journal of Theoretical Biology , i ricercatori del Dipartimento di Biologia hanno esplorato come queste strategie di ragionamento possano essere modellate e applicate in modo efficace per migliorare la comprensione delle dinamiche sociali da parte dei biologi.

Fare un'ipotesi plausibile

La biologia computazionale PLoS L'articolo indaga come i metodi statistici bayesiani possano essere utilizzati per valutare la probabilità di errori e allineare i giudizi degli attori all'interno di un social network con una comprensione più sfumata della reputazione. "È qualcosa che comunemente facciamo quando cerchiamo di offrire una spiegazione per alcuni fenomeni senza una soluzione ovvia, diretta o intuitiva", afferma Akçay.

Bryce Morsky, coautore di entrambi gli articoli e ora assistente professore presso la Florida State University, ha iniziato il lavoro durante la sua ricerca post-dottorato nel laboratorio di Akçay. Dice che inizialmente credeva che tenere conto degli errori di giudizio potesse migliorare sostanzialmente il sistema di ricompensa e punizione che è alla base della cooperazione e che si aspettava che una migliore comprensione di questi errori e la loro incorporazione nel modello avrebbe promosso una cooperazione più efficace.

"In sostanza, l'ipotesi era che la riduzione degli errori avrebbe portato a una valutazione più accurata della reputazione, che a sua volta avrebbe favorito la cooperazione", afferma.

Il team ha sviluppato un modello matematico per simulare il ragionamento bayesiano. Si trattava di un modello teorico del gioco in cui gli individui interagiscono in un quadro di incontri basati sulle donazioni. Altri individui nella simulazione valutano la reputazione degli attori in base alle loro azioni, influenzate da diverse norme sociali predefinite.

Nel contesto del villaggio, ciò significa giudicare ogni abitante in base alle sue azioni, sia che abbia aiutato un altro (buono) o non lo abbia fatto (cattivo), ma anche tenere conto della sua reputazione storica e del potenziale che non hai valutato correttamente.

"Quindi, ad esempio, se osservi qualcuno che si comporta male, ma prima pensavi che fosse bravo, mantieni la mente aperta che forse non hai visto correttamente. Ciò consente un calcolo sfumato degli aggiornamenti della reputazione", afferma Morsky. Lui e i suoi colleghi utilizzano questo modello per vedere come errori e ragionamenti influenzerebbero la percezione e le dinamiche sociali degli abitanti del villaggio.

Le cinque norme sociali chiave esplorate dallo studio sono:punteggio, evitamento, posizione semplice, permanenza e giudizio severo; ciascuno influenza la reputazione e il conseguente comportamento degli individui in modo diverso, alterando i risultati evolutivi delle strategie cooperative.

"In alcuni scenari, in particolare nel caso del punteggio, il ragionamento bayesiano ha migliorato la cooperazione, afferma Morsky. "Ma in altre norme, come il giudizio di Stern, generalmente ha portato a una minore cooperazione a causa di criteri di giudizio più severi."

Morsky spiega che con il punteggio viene applicata una regola semplice:è bene cooperare (dare) e male disertare (non dare), indipendentemente dalla reputazione di chi riceve. Mentre nel giudizio Stern non vengono prese in considerazione solo le azioni degli individui, ma anche le loro decisioni vengono valutate criticamente in base alla reputazione di chi le riceve.

Nel contesto dello scenario dei vicini ficcanaso, se un abitante del villaggio decide di aiutarne un altro, questa azione viene annotata positivamente sotto Punteggio, indipendentemente da chi riceve l'aiuto o dalla sua posizione nel villaggio. Al contrario, nel Giudizio Stern, se un abitante del villaggio sceglie di aiutare qualcuno con una cattiva reputazione, viene notato negativamente, dicono i ricercatori.

Aggiunge che la mancanza di cooperazione era particolarmente evidente nelle norme in cui il ragionamento bayesiano portava a una minore tolleranza per gli errori, il che poteva esacerbare i disaccordi sulla reputazione invece di risolverli. Ciò, unito alla consapevolezza che gli esseri umani non valutano tutte le informazioni rilevanti prima di decidere con chi lavorare, ha spinto Akçay e Morsky a studiare altri modi di ragionamento.

Più di una semplice intuizione

Mentre lavorava nel laboratorio di Akçay, Morsky reclutò Neel Pandula, allora studente del secondo anno di scuola superiore. "Ci siamo incontrati durante la Penn Laboratory Experience nel programma di scienze naturali", afferma Morsky. "Alla luce del modello di ragionamento bayesiano, Neel propose il ragionamento abduttivo come un altro approccio alla modellazione del ragionamento, e così arrivammo a scrivere quell'articolo per il Journal of Theoretical Biology , di cui divenne il primo autore."

Pandula, ora studente del primo anno al College of Arts and Sciences, spiega che lui e Morsky hanno utilizzato la teoria di Dempster-Shafer, un quadro probabilistico per dedurre le migliori spiegazioni, per costituire la base del loro approccio.

"La chiave qui è che la teoria di Dempter-Shafer consente un po' di flessibilità nella gestione dell'incertezza e consente di integrare nuove prove nei sistemi di credenze esistenti senza impegnarsi completamente in una singola ipotesi a meno che le prove non siano forti", afferma Pandula.

Ad esempio, spiegano i ricercatori, in un villaggio vedere una brava persona aiutare un’altra brava persona è in linea con le norme sociali ed è facilmente accettato dagli osservatori. Tuttavia, se un abitante del villaggio noto come cattivo viene visto aiutare una brava persona, ciò contraddice queste norme, portando gli osservatori a mettere in dubbio la reputazione coinvolta o l'accuratezza della loro osservazione. Quindi utilizzano le regole del ragionamento abduttivo, in particolare la teoria di Dempster-Shafer, considerando i tassi di errore e i comportamenti tipici per determinare la verità più probabile dietro l'azione inaspettata.

Il team ha previsto che il ragionamento abduttivo avrebbe gestito gli errori nelle valutazioni della reputazione in modo più efficace, soprattutto in contesti pubblici in cui gli individui possono essere sottoposti a pressioni in un modo o nell’altro con conseguenti discrepanze ed errori. Sotto il punteggio e le altre norme, hanno scoperto che il ragionamento abduttivo potrebbe favorire meglio la cooperazione rispetto al ragionamento bayesiano in contesti pubblici.

Akçay dice che è stata un po' una sorpresa vedere che nella navigazione dei social network, un così semplice "meccanismo di ragionamento cognitivamente 'economico e pigro' si dimostra efficace nell'affrontare le sfide associate alla reciprocità indiretta."

Morsky osserva che in entrambi i modelli i ricercatori hanno scelto di non considerare alcun costo legato al carico cognitivo. "Spereresti che svolgere un compito impegnativo come ricordare quali individui hanno fatto cosa e usarlo per informarti su cosa probabilmente faranno dopo produrrebbe qualche risultato positivo e prosociale. Eppure, anche se fai questo sforzo senza costi, secondo il metodo bayesiano ragionamento, generalmente mina la cooperazione."

In seguito, i ricercatori sono interessati a esplorare come i metodi di ragionamento a basso costo, come il ragionamento abduttivo, possano essere favoriti evolutivamente in circoli sociali più ampi e complessi. E sono interessati ad applicare questi metodi di ragionamento ad altri sistemi sociali.