Ilustración del modelo Beast-GB. Crédito: Plassky et al.
Un objetivo clave de la investigación en ciencias del comportamiento es comprender mejor cómo las personas toman decisiones en situaciones en las que los resultados son desconocidos o inciertos, lo que implica un cierto grado de riesgo.
La capacidad de predecir las elecciones de las personas en estas situaciones podría ser muy ventajosa, ya que podría ayudar a redactar iniciativas efectivas destinadas a incitar a las personas a tomar mejores decisiones para ellos y para otros en su comunidad.
Los investigadores del Technion (Instituto de Tecnología de Israel) y varios institutos en los Estados Unidos desarrollaron recientemente un nuevo modelo computacional llamado Beast-GB, que predice las decisiones de las personas en situaciones que conllevan riesgos e incertidumbre.
Su modelo propuesto, descrito en un artículo publicado En el comportamiento humano de la naturaleza, combina algoritmos avanzados de aprendizaje automático con la teoría de la ciencia del comportamiento.
“La investigación en decisión humana es rica en teorías competidoras, pero ninguna predice de manera confiable y precisa las elecciones humanas en los contextos”, dijo Ori Plassky, primer autor del artículo, a Tech Xplore.
“Para ver qué ideas realmente funcionan, organizamos CPC18, una ‘competencia de predicción de elección’ en la que cualquiera podría presentar un modelo computacional para predecir las decisiones de las personas bajo riesgo e incertidumbre. Estábamos especialmente interesados en saber si el aprendizaje automático impulsado por datos, los modelos conductuales impulsados por la teoría o, como fue nuestra suposición, una híbrida que incorpora la teoría conductual dentro de la ML, excelería”.
El nuevo modelo de aprendizaje automático desarrollado por Plonsky y sus colegas se basan en un marco de ciencias del comportamiento conocido como Bestia (Best Estimes y herramientas de muestreo). Este es un modelo basado en teorías psicológicas que anteriormente se encontraban para predecir las decisiones de las personas con buena precisión.
“Bestia supone que, en elección bajo riesgo e incertidumbre, las personas mezclan varias estrategias, como minimizar las posibilidades de arrepentimiento inmediato o cobertura contra los peores resultados”, explicó Plassky.
“Traducimos cada estrategia a una ‘característica de comportamiento’, una fórmula concisa que captura cuán sensible debe ser un tomador de decisiones a esa consideración en cualquier tarea de elección dada. Luego alimentamos estas características basadas en la teoría, además de descriptores de tareas puramente objetivos, en un impulso de gradiente extremo (un algoritmo de aprendizaje automático conocido como es muy útil en tournmentos predicción), en el nombre del nombre beast-gb.”. “.”. “.”. “.”. “.”. “.”. “.
Con las mejoras implementadas por los investigadores, el modelo Beast-GB podría analizar los datos de comportamiento y derivar las decisiones de conducción de motivos, así como el impacto de estos motivos en diferentes escenarios de toma de decisiones.
En particular, Beast-GB ganó el Competencia de predicción de elección de CPC18 en 2018Capturar el 93% de la variación predecible en los datos que se alimentó, y el 96% en las pruebas de seguimiento utilizando un conjunto de datos que era 40 veces mayor.
“Bestia GB superó a docenas de modelos de comportamiento convencionales y un aprendizaje automático puramente basado en datos”, dijo Plassky.
“Con solo el 2% de los datos de entrenamiento, ya ha superado una red neuronal profunda capacitada en todos los datos de entrenamiento. El modelo incluso predice con precisión las opciones que las personas hacen en los nuevos experimentos que nunca ha visto, lo que implica que captura los patrones de elección humana general.
Este trabajo reciente destaca la promesa de modelos de aprendizaje automático que también se basan en la ciencia del comportamiento para predecir las decisiones y respuestas de las personas en escenarios del mundo real. En el futuro, Beast-GB y otros modelos similares podrían guiar el diseño de nuevas intervenciones a gran escala destinadas a mejorar las decisiones de las personas a través de empujones, incentivos u otras estrategias basadas en la ciencia del comportamiento.
Plassky y sus colegas finalmente planean colaborar con los responsables políticos y otras partes involucradas en el diseño o implementación de iniciativas de ciencias del comportamiento. Esto les permitiría probar su modelo “en la naturaleza”, validando su potencial en entornos del mundo real, al tiempo que produce información que podría informar su avance adicional.
“Otras publicaciones recientes han sugerido que la toma de decisiones humanas y otros comportamientos pueden predecirse de manera muy efectiva utilizando métodos avanzados de aprendizaje automático basado en datos, como modelos de lenguaje grandes sintonizados en datos de comportamiento grandes”, agregó Plonsky.
“Ahora planeamos continuar investigando cuándo y cómo la teoría similar a la bestia puede mejorar tales métodos basados en datos para predecir el comportamiento. Específicamente, planeamos extender nuestro dominio de investigación al incluir problemas de decisión en idioma natural, más alineados con el mundo real”.
Escrito para usted por nuestro autor Ingrid Fadellieditado por Sadie Harleyy verificado y revisado por Robert Egan—Este artículo es el resultado de un trabajo humano cuidadoso. Confiamos en lectores como usted para mantener vivo el periodismo científico independiente. Si este informe le importa, considere un donación (especialmente mensual). Obtendrá una cuenta sin anuncios como agradecimiento.
Más información: Ori Plonsky et al, predicen las decisiones humanas con teorías conductuales y aprendizaje automático, naturaleza de comportamiento humano (2025). Dos: 10.1038/s41562-025-02267-6.
© 2025 Science X Network
Cita: el modelo Beast-GB combina el aprendizaje automático y la ciencia del comportamiento para predecir las decisiones de las personas (2025, 14 de agosto) Recuperado el 14 de agosto de 2025 de https://techxplore.com/news/2025-08-Beast-gb-Combines-machine-behavioreral.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
