Nová studie publikovaná v Nature Communications ukázala tento efekt ve čtyřech předem registrovaných experimentech s celkem 1 176 účastníky a také při nové analýze starších dat.
Nejpřekvapivější není to, že lidé občas hledají souvislosti tam, kde nejsou. Podivné je, že automatické učení pokračovalo i tehdy, když účastníci vědomě a správně chápali, která informace je zcela nepoužitelná.
Mozek má jeden zásadní úkol: zjistit, co vedlo k odměně
Schopnost učit se z následků patří k nejzákladnějším funkcím mozku. Když určitá volba přinese dobrý výsledek, její hodnota stoupá a roste pravděpodobnost, že ji v budoucnu zopakujeme. Když dopadne špatně, její přitažlivost klesá. Tento princip posilovaného učení funguje od velmi jednoduchých situací až po složitá každodenní rozhodnutí.
Jenže skutečný svět obsahuje současně obrovské množství informací. Když si objednáte nové jídlo a chutná vám, dobrý výsledek může souviset s receptem nebo konkrétní restaurací. Sotva ale souvisí s tím, že jste seděli u levého okraje stolu, drželi vidličku v pravé ruce nebo měl číšník modrou košili.
Mozek proto potřebuje provést něco, čemu výzkumníci říkají credit assignment – správně určit, které části situace si zaslouží „zásluhu“ za výsledek. Pokud připíše odměnu špatné vlastnosti, začne se učit pravidlo, které ve skutečnosti neexistuje. A přesně to se v experimentech dělo.
MOHLO BY SE VÁM TAKÉ LÍBIT
Lidé věděli, že tlačítko nic neznamená. Přesto se z něj učili
Výzkumná skupina kolem Ida Ben-Artziho a Nitzana Shahara tento jev studuje už několik let. V jednom z používaných typů úloh účastníci například vybírají mezi vizuálními možnostmi, jejichž pravděpodobnost odměny se v čase mění. Poloha objektů na obrazovce se ale náhodně přehazuje, takže skutečnost, zda se správná možnost právě objevila vlevo nebo vpravo, nemůže o budoucí odměně nic říkat.
Účastníci navíc nejsou ponecháni v nejistotě. V podobných experimentech dostávají explicitní instrukce, která informace je relevantní a kterou mají ignorovat, a jejich porozumění lze před zahájením úlohy kontrolovat.
Přesto se objeví jednoduchý efekt. Pokud například stisknutí určité klávesy doprovodila odměna, člověk má později větší tendenci použít stejnou klávesu znovu – přestože ví, že klávesa s pravděpodobností odměny nijak nesouvisí. Starší výzkum stejného týmu ukázal tento vzorec dokonce i po explicitních instrukcích a tréninku.
Nová práce jde dál a ukazuje, že nejde pouze o jednu zvláštní motorickou chybu. Automatické přisuzování hodnoty se objevovalo u prostorově-motorických i vizuálních vlastností akcí a přežívalo různé experimentální úpravy.
Odměna jako by potřísnila všechno, co bylo právě poblíž
Princip lze téměř představit jako barevnou skvrnu. Uděláme nějakou volbu a následuje odměna. Správně by se její hodnota měla připsat pouze vlastnosti, která výsledek skutečně předpovídala. Automatický systém učení však jako by část této hodnoty rozlil také na další součásti události: kde se objekt nacházel, jak jsme reagovali nebo jaký vedlejší znak volbu doprovázel.
Výzkumníci právě toto označují jako outcome-irrelevant learning, tedy učení hodnoty vlastností, které jsou pro výsledek irelevantní. Nejde přitom pouze o to, že člověk nějakého rušivého detailu všimne. Mozek mu začne přidělovat hodnotu podle toho, zda byl přítomen u odměny či neúspěchu.
Důsledkem je, že při další volbě do rozhodování vstoupí dvě různé informace. Jedna skutečně něco říká o šanci na odměnu. Druhá je statisticky bezcenná, ale mozek si k ní mezitím vytvořil vlastní historii dobrých a špatných zkušeností. Pokud se obě dostanou do konfliktu, irelevantní hodnota může rozhodnutí stáhnout špatným směrem.
MOHLO BY SE VÁM TAKÉ LÍBIT
Nestačilo ani lidem říct, že jde o nesmysl
Právě tento výsledek je na nové práci nejzajímavější. Intuitivně bychom očekávali, že explicitní informace automatickou asociaci opraví. Když vám někdo řekne, že číslo sedadla nemá žádný vliv na výsledek zkoušky, racionální část mozku to pochopí a problém by měl zmizet.
Účastníci experimentů skutečně chápali, které znaky nemohou předpovídat výsledek. Přesto jim jejich systém učení dál přisuzoval hodnotu. Efekt přetrvával dokonce i po rozsáhlejším tréninku.
To ukazuje důležitý rozdíl mezi vědět a naučit se nereagovat. Vědomá znalost může říkat: „Tohle je náhodné.“ Paralelní systém posilovaného učení však mezitím dál registruje: „Když se objevilo tohle, dostal jsem odměnu.“ Oba procesy mohou existovat současně, aniž jeden okamžitě vymaže druhý.
Proto může člověk vědět, že pověra nedává smysl, a přesto se jí držet
Výzkumníci v nové práci netestovali černé kočky, šťastná čísla, hazardní rituály ani marketing. Přímé tvrzení, že jejich experiment právě vysvětlil vznik pověr nebo proč si zákazník oblíbí určitou značku, by proto bylo příliš silné.
Mechanismus však nabízí zajímavý rámec, jak podobné chování může vznikat.
Představme si člověka, který si před důležitým výkonem náhodou obleče určité tričko a uspěje. Ví, že barva oblečení výsledek nemohla způsobit. Přesto se pozitivní výsledek odehrál současně s konkrétním znakem a automatické učení může části situace připsat hodnotu, aniž by čekalo na vědomou analýzu kauzality.
Podobně může zákazník opakovaně spojovat určitý vizuální prvek, zvuk nebo prostředí s příjemnou zkušeností. Nemusí věřit, že právě tento detail zkušenost způsobil. Přesto k němu může vzniknout pozitivní hodnota.
Studie proto nenabízí univerzální vysvětlení pověr nebo reklamy, ale ukazuje jeden základní mechanismus, kterým se bezvýznamná okolnost může dostat do systému rozhodování i proti lepšímu vědomí člověka.
Čím slabší pracovní paměť, tím silnější může být problém
Výzkumníci navíc našli významnou souvislost s pracovní pamětí – systémem, který krátkodobě drží a zpracovává informace potřebné pro aktuální úkol.
Lidé s vyšší kapacitou pracovní paměti vykazovali menší tendenci přisuzovat hodnotu irelevantním znakům. Podobný vztah tým zaznamenal už v dřívější studii na 174 účastnících, kde lidé s vyšší kapacitou pracovní paměti méně často přenášeli odměnu na bezvýznamné odpovědní klávesy.
Jedním z možných vysvětlení je, že pracovní paměť pomáhá udržovat správné pravidlo úlohy aktivní a filtrovat konkurující informace. Člověk tak lépe odděluje „tuto možnost jsem zvolil a byla odměněna“ od náhodných vlastností, které její volbu právě doprovázely.
To ale neznamená, že studie objevila jednoduché dělení na „chytré lidi, kteří se nenechají zmást“, a ostatní. Pracovní paměť je jen jedním z mnoha kognitivních systémů a zjištěná souvislost sama o sobě nedokazuje, že nižší kapacita přímo způsobuje iracionální rozhodování. Autoři přesto považují právě schopnost kognitivní kontroly za důležitou část mechanismu.
Nejhorší je, že toto učení skutečně stojí peníze
Mohlo by se zdát, že jde o neškodnou zvláštnost. Pokud mozek přiřadí trochu hodnoty levému tlačítku nebo barvě, která nic nepředpovídá, proč by na tom mělo záležet? Protože účastníci podle těchto falešných hodnot skutečně měnili volby.
Nová studie ukázala, že spoléhání na irelevantně naučenou hodnotu vedlo k suboptimálním rozhodnutím. Lidé se tedy pouze nenaučili nějakou vedlejší asociaci, kterou by následně ignorovali. Tato informace pronikla do procesu volby a snižovala výkonnost.
To je důležitý rozdíl. Mozek nevytváří pouze trochu mentálního šumu na pozadí. Dokáže si vybudovat chybnou hodnotovou mapu světa a následně se podle ní skutečně řídit.
Ještě zajímavější je, že příslušná informace nemusí člověka přesvědčit na vědomé úrovni. Účastník může správně odpovědět na otázku, že daný znak nic neznamená, a o několik okamžiků později se přesto rozhodovat způsobem, který ukazuje, že jeho automatický systém mu nějakou hodnotu přiřadil.
Mozek možná nehledá pravdu. V první řadě hledá, co se vyplatilo zopakovat
Z evolučního pohledu není podobná nedokonalost úplně absurdní.
V prostředí, kde organismus potřebuje rychle reagovat, může být výhodnější naučit se příliš mnoho možných vazeb než některou důležitou přehlédnout. Pokud se po určitém zvuku několikrát objeví predátor, je bezpečnější reagovat už při dalším zvuku, i kdyby souvislost nebyla dokonalá.
Posilované učení navíc nemusí řešit filozofickou otázku, zda mezi dvěma událostmi existuje skutečná příčinná vazba. Potřebuje hlavně odhadnout, co se v minulosti spojovalo s dobrým nebo špatným výsledkem a co by mohlo být výhodné zopakovat.
Pro moderního člověka v prostředí zaplněném značkami, symboly, tlačítky, statistikami a náhodnými shodami ale může stejná vlastnost vytvářet chyby. Máme totiž mnohem více informací, než kolik jich skutečně potřebujeme.
Vědět, že něco nefunguje, nemusí stačit
Výsledky mají jednu poměrně nepříjemnou pointu. Člověk rád předpokládá, že iracionalitu lze odstranit tím, že ji pochopíme. Když víme, že určitý detail nic nepředpovídá, jsme proti jeho vlivu chráněni. Když víme, že jde o pověru, trik nebo náhodu, můžeme ji prostě ignorovat.
Experimenty ukazují, že minimálně u některých forem učení tato představa neplatí. Vědomý systém může mít správnou odpověď, zatímco automatický systém dál aktualizuje hodnoty podle vlastní jednoduché logiky. Odměna přišla po určité akci, a tak část hodnoty dostanou i prvky, které s výsledkem neměly nic společného.
To neznamená, že člověk je odsouzen k iracionalitě. Znamená to ale, že pochopení chyby a odstranění jejího vlivu nejsou jedna a táž věc.
A právě to je možná nejzajímavější zpráva celé studie: někdy přesně víme, že nějaké pravidlo neexistuje.
Náš mozek se ho přesto může naučit.
MOHLO BY SE VÁM TAKÉ LÍBIT
Zdroje: Kód Enigma [1], Nature Communications – Automatic value learning results in counterproductive human behavior [2], Scientific Reports – Working memory capacity estimates moderate value learning for outcome-irrelevant features [3], Translational Psychiatry – Autism-associated learning patterns show reduced credit assignment to outcome-irrelevant features [4], Lucent – Automatic value learning results in counterproductive human behavior: plain-language summary [5]
