Ecco alcuni casi di esempio per i tre compiti sperimentali, ognuno dei quali richiedeva una risposta sì o no da parte dei nostri partecipanti alla ricerca. Credito:Juan Pablo Franco Ulloa/Karlo Doroc/Nitin Yadav
L'economista premio Nobel Richard Thaler ha notoriamente scherzato:"Le persone non sono stupide, il mondo è difficile".
In effetti, incontriamo regolarmente problemi nella nostra vita quotidiana che sembrano complessi, dalla scelta del miglior piano elettrico, alla decisione su come spendere efficacemente i nostri soldi.
Gli australiani pagano centinaia di milioni di dollari ogni anno per confrontare siti Web e gruppi incentrati sui consumatori come CHOICE per aiutarli a prendere decisioni su prodotti e servizi.
Ma come misurare oggettivamente quanto siano realmente "complesse" le nostre decisioni? La nostra ricerca, recentemente pubblicata su Rapporti scientifici , offre un potenziale modo per farlo, attingendo a concetti dall'informatica e dalla scienza dei sistemi.
Perché preoccuparsi di misurare la complessità?
Ci sono diversi fattori quando si tratta di misurare la complessità in qualsiasi scenario. Ad esempio, potrebbero esserci diverse opzioni tra cui scegliere e ciascuna opzione potrebbe avere diverse caratteristiche da considerare.
Supponiamo che tu voglia comprare marmellata. Questo sarà facile se ci sono solo due gusti disponibili, ma difficile se ce ne sono dozzine. Eppure scegliere un piano elettrico sarebbe molto più difficile anche con solo due opzioni.
In altre parole, non puoi isolare un fattore particolare quando cerchi di determinare la complessità di qualcosa. Devi considerare il problema nel suo insieme e questo richiede molto più lavoro.
La capacità di misurare accuratamente la complessità potrebbe avere un'ampia gamma di applicazioni pratiche, inclusa l'informazione sulla progettazione di:
Come studiamo il processo decisionale umano
L'informatica può aiutarci a risolvere i problemi:le informazioni entrano ed escono una (o più) soluzioni. Tuttavia, la quantità di calcolo necessaria per questo può variare molto, a seconda del problema.
Noi e i nostri colleghi abbiamo utilizzato un quadro matematico preciso, chiamato "teoria della complessità computazionale", che quantifica la quantità di calcolo necessaria per risolvere un determinato problema.
L'idea alla base è misurare la quantità di risorse computazionali (come tempo o memoria) di cui un algoritmo informatico ha bisogno per la risoluzione dei problemi. Più tempo o memoria sono necessari, più complesso è il problema.
Una volta stabilito questo, i problemi possono essere classificati in "classi" in base alla loro complessità.
Nel nostro lavoro, eravamo particolarmente interessati a come la complessità (determinata attraverso la teoria della complessità computazionale) corrisponda alla quantità effettiva di sforzo che le persone devono fare per risolvere determinati problemi.
Volevamo sapere se la teoria della complessità computazionale potesse prevedere con precisione quanto gli esseri umani avrebbero lottato in una determinata situazione e quanto sarebbe stata accurata la loro risoluzione dei problemi.
Verifica la nostra ipotesi
Ci siamo concentrati su tre tipi di attività sperimentali, per le quali puoi vedere degli esempi di seguito. Tutti questi tipi di attività rientrano in una classe più ampia di problemi complessi chiamati problemi "NP-completi".
Ogni tipo di attività richiede una capacità diversa per svolgere bene. In particolare:
Tutti e tre sono onnipresenti nella vita reale e riflettono problemi quotidiani come il test del software (soddisfabilità), la pianificazione di un viaggio su strada (commesso ambulante) e lo shopping o l'investimento (zaino).
Abbiamo reclutato 67 persone, le abbiamo divise in tre gruppi e abbiamo fatto in modo che ogni gruppo risolvesse tra 64 e 72 diverse varianti di uno dei tre tipi di attività.
Abbiamo anche utilizzato la teoria della complessità computazionale e algoritmi informatici per capire quali compiti erano "ad alta complessità" per un computer, prima di confrontarli con i risultati dei nostri risolutori di problemi umani.
Ci aspettavamo, supponendo che la teoria della complessità computazionale fosse congruente con il modo in cui le persone reali risolvono i problemi, che i nostri partecipanti avrebbero dedicato più tempo a compiti identificati come "ad alta complessità" per un computer. Ci aspettavamo anche una minore precisione nella risoluzione dei problemi su queste attività.
In entrambi i casi è esattamente quello che abbiamo trovato. In media, le persone hanno ottenuto risultati due volte migliori nei casi di complessità più bassa rispetto ai casi di complessità più elevata.
L'informatica può misurare la "complessità" per gli esseri umani
I nostri risultati suggeriscono che lo sforzo da solo non è sufficiente per garantire che qualcuno segua bene un problema complesso. Alcuni problemi saranno difficili, qualunque cosa accada, e questi sono gli spazi in cui gli aiuti decisionali avanzati e l'IA possono brillare.
In termini pratici, essere in grado di valutare la complessità di un'ampia gamma di compiti potrebbe aiutare a fornire alle persone il supporto necessario di cui hanno bisogno per affrontare questi compiti giorno per giorno.
Il risultato più importante è stato che le nostre previsioni basate sulla teoria della complessità computazionale su quali compiti gli esseri umani avrebbero trovato più difficili erano coerenti in tutti e tre i tipi di attività, nonostante ciascuna richiedesse abilità diverse da risolvere.
Inoltre, se possiamo prevedere quanto difficili gli esseri umani troveranno compiti all'interno di questi tre problemi, allora dovrebbe essere in grado di fare lo stesso per gli oltre 3.000 altri problemi NP-completi.
Questi includono ostacoli altrettanto comuni come la pianificazione delle attività, lo shopping, la progettazione di circuiti e il gameplay.
Ora, per mettere in pratica la ricerca
Anche se i nostri risultati sono entusiasmanti, c'è ancora molta strada da fare. Per uno, la nostra ricerca ha utilizzato attività rapide e astratte in un ambiente di laboratorio controllato. Queste attività possono modellare scelte della vita reale, ma non sono rappresentative di effettivi scelte della vita reale.
Il passaggio successivo consiste nell'applicare tecniche simili a compiti che assomigliano più da vicino alle scelte della vita reale. Ad esempio, possiamo usare la teoria della complessità computazionale per misurare la complessità della scelta tra diverse carte di credito?
I progressi in questo spazio potrebbero aiutarci a sbloccare nuovi modi per aiutare le persone a fare scelte migliori, ogni giorno, in vari aspetti della vita. + Esplora ulteriormente
Questo articolo è stato ripubblicato da The Conversation con licenza Creative Commons. Leggi l'articolo originale. 
