Aquí hay casos de ejemplo para las tres tareas experimentales, cada una de las cuales requirió una respuesta de sí o no de los participantes de nuestra investigación. Crédito:Juan Pablo Franco Ulloa/Karlo Doroc/Nitin Yadav
El economista premio Nobel Richard Thaler dijo en broma:"La gente no es tonta, el mundo es duro".
De hecho, rutinariamente nos encontramos con problemas en nuestra vida cotidiana que se sienten complejos, desde elegir el mejor plan de electricidad hasta decidir cómo gastar nuestro dinero de manera efectiva.
Los australianos pagan cientos de millones de dólares cada año para comparar sitios web y grupos centrados en el consumidor, como CHOICE, para ayudarlos a tomar decisiones sobre productos y servicios.
Pero, ¿cómo podemos medir objetivamente cuán "complejas" son realmente nuestras decisiones? Nuestra investigación, publicada recientemente en Scientific Reports , ofrece una forma potencial de hacer esto, basándose en conceptos de la informática y la ciencia de sistemas.
¿Por qué molestarse en medir la complejidad?
Hay varios factores cuando se trata de medir la complejidad en cualquier escenario. Por ejemplo, puede haber una serie de opciones para elegir y cada opción puede tener varias características diferentes a considerar.
Suponga que quiere comprar mermelada. Esto será fácil si solo hay dos sabores disponibles, pero difícil si hay docenas. Sin embargo, elegir un plan de electricidad sería mucho más difícil incluso con solo dos opciones.
En otras palabras, no puede aislar un factor en particular cuando intenta determinar la complejidad de algo. Tienes que considerar el problema como un todo, y esto requiere mucho más trabajo.
La capacidad de medir con precisión la complejidad podría tener una amplia gama de aplicaciones prácticas, incluida la información sobre el diseño de:
Cómo estudiamos la toma de decisiones humana
La informática puede ayudarnos a resolver problemas:entra información y sale una (o más) soluciones. Sin embargo, la cantidad de cálculo necesaria para esto puede variar mucho, según el problema.
Nosotros y nuestros colegas usamos un marco matemático preciso, llamado "teoría de la complejidad computacional", que cuantifica cuántos cálculos se necesitan para resolver un problema determinado.
La idea detrás de esto es medir la cantidad de recursos computacionales (como tiempo o memoria) que necesita un algoritmo de computadora para resolver problemas. Cuanto más tiempo o memoria necesita, más complejo es el problema.
Una vez que se establece esto, los problemas se pueden clasificar en "clases" según su complejidad.
En nuestro trabajo, estábamos particularmente interesados en cómo la complejidad (determinada a través de la teoría de la complejidad computacional) se corresponde con la cantidad real de esfuerzo que las personas deben poner para resolver ciertos problemas.
Queríamos saber si la teoría de la complejidad computacional podía predecir con precisión cuánto lucharían los humanos en una determinada situación y qué tan precisa sería su resolución de problemas.
Probando nuestra hipótesis
Nos enfocamos en tres tipos de tareas experimentales, para las cuales puede ver ejemplos a continuación. Todos estos tipos de tareas se ubican dentro de una clase más amplia de problemas complejos llamados problemas "NP-completos".
Cada tipo de tarea requiere una habilidad diferente para desempeñarse bien. Específicamente:
Los tres son omnipresentes en la vida real y reflejan problemas cotidianos, como pruebas de software (satisfacción), planificación de un viaje por carretera (vendedor ambulante) y compras o inversiones (mochila).
Reclutamos a 67 personas, las dividimos en tres grupos e hicimos que cada grupo resolviera entre 64 y 72 variaciones diferentes de uno de los tres tipos de tareas.
También utilizamos la teoría de la complejidad computacional y los algoritmos informáticos para determinar qué tareas eran de "alta complejidad" para una computadora, antes de compararlas con los resultados de nuestros solucionadores de problemas humanos.
Esperábamos, suponiendo que la teoría de la complejidad computacional es congruente con la forma en que las personas reales resuelven problemas, que nuestros participantes pasarían más tiempo en tareas identificadas como de "alta complejidad" para una computadora. También esperábamos una menor precisión en la resolución de problemas en estas tareas.
En ambos casos eso es exactamente lo que encontramos. En promedio, a las personas les fue el doble de bien en los casos de menor complejidad en comparación con los casos de mayor complejidad.
La informática puede medir la 'complejidad' para los humanos
Nuestros resultados sugieren que el esfuerzo por sí solo no es suficiente para garantizar que alguien lo haga bien en un problema complejo. Algunos problemas serán difíciles, pase lo que pase, y estos son los espacios en los que pueden brillar las ayudas para la toma de decisiones avanzadas y la IA.
En términos prácticos, ser capaz de medir la complejidad de una amplia gama de tareas podría ayudar a brindar a las personas el apoyo necesario para abordar estas tareas día a día.
El resultado más importante fue que nuestras predicciones basadas en la teoría de la complejidad computacional sobre las tareas que los humanos encontrarían más difíciles fueron consistentes en los tres tipos de tareas, a pesar de que cada una requiere diferentes habilidades para resolver.
Además, si podemos predecir cuán difíciles les resultarán a los humanos las tareas dentro de estos tres problemas, entonces debería poder hacer lo mismo con los más de 3000 otros problemas NP-completos.
Estos incluyen obstáculos comunes similares, como la programación de tareas, las compras, el diseño de circuitos y el juego.
Ahora, a poner en práctica la investigación
Si bien nuestros resultados son emocionantes, aún queda un largo camino por recorrer. Por un lado, nuestra investigación utilizó tareas rápidas y abstractas en un entorno de laboratorio controlado. Estas tareas pueden modelar opciones de la vida real, pero no son representativas de real opciones de la vida real.
El siguiente paso es aplicar técnicas similares a tareas que se parezcan más a las elecciones de la vida real. Por ejemplo, ¿podemos usar la teoría de la complejidad computacional para medir la complejidad de elegir entre diferentes tarjetas de crédito?
El progreso en este espacio podría ayudarnos a desbloquear nuevas formas de ayudar a las personas a tomar mejores decisiones, todos los días, en diversas facetas de la vida.
Este artículo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el artículo original. Investigadores desarrollan algoritmo para repartir tareas para equipos humano-robot
