本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
我們提出了兩種基於機器學習理論的人們如何形成信念的模型。我們透過展示即使人們接觸到幾乎相同的資訊來源時如何出現兩極化的信念，來說明這些模型如何洞察觀察到的人類現象。在我們的第一個模型中，人們形成的信念是最適合他們過去的資料（訓練集）的確定性函數。在該模型中，他們無法形成機率信念，可能會導致人們持有相反的觀點，即使他們的數據是從略有不同的分佈中得出的。在第二個模型中，人們付出的成本隨著代表他們信念的函數的複雜性而增加。在第二個模型中，即使使用來自完全相同分佈的大型訓練集，代理也可能存在很大分歧，因為它們沿著不同的維度簡化了世界。我們討論這些信念形成模型對提高人們的準確性和一致性有何建議。