文件名称：复杂世界中的信念极化：学习理论视角-研究论文
文件大小：460KB
文件格式：PDF
更新时间：2024-06-29 07:57:04
Learning Theory Belief
我们展示了两种基于机器学习理论的关于人们如何形成信念的模型。我们通过展示即使人们接触到几乎相同的信息来源时也会出现极化信念，从而说明这些模型如何对观察到的人类现象提供新的见解。 在我们的第一个模型中，人们形成的信念是最适合他们过去数据（训练集）的确定性函数。 在该模型中，他们无法形成概率信念会导致人们持有相反的观点，即使他们的数据来自仅略有不同的分布。 在第二种模型中，人们支付的成本随着代表他们信念的函数的复杂性而增加。 在第二个模型中，即使从完全相同的分布中抽取大量训练集，智能体也可能存在很大分歧，因为它们沿不同维度简化了世界。 我们讨论这些信念形成模型对提高人们的准确性和一致性的建议。