Начиная с 1950-х годов ученые-когнитологи заняты разработкой собственных теорий принятия решений для когнитивных задач, таких как восприятие, распознавание памяти и категоризация.
Самой ранней и наиболее заметной была модель обнаружения сигнала.
Модель использовалась для прогнозирования как точности (вероятности принятия соответствующих мер для данного состояния природы), так и рейтинга доверия к выбранному действию.
Основным ограничением модели обнаружения сигнала было то, что она не предусматривала механизма описания времени, необходимого для принятия решения.
Для принятия решений требуется время, и время, необходимое для принятия решения, может изменить его.
Время принятия решения является одним из важнейших показателей эффективности в когнитивной психологии. Очевидно, что это важная особенность многих решений, таких как срочные медицинские решения или оперативные военные решения, или даже выбор продуктов занятыми потребителями.
Основной вывод в когнитивной науке заключается в соотношении скорость - точность компромисса: лицо, принимающее решения, может повысить точность за счет увеличения времени принятия решений.
Для учета этой связи модель обнаружения сигнала должна быть расширена и включать в себя механизм определения времени принятия решения, а также точность и достоверность.
Это требование к одновременному моделированию всех трех когнитивных показателей эффективности (вероятность выбора, уверенность и время принятия решения) привело к разработке в 1970-х годах класса последовательной выборки моделей Ламинга, Линк, Рэтклиффа, Викерса и других.
Основные идеи были заимствованы из байесовских моделей тестирования последовательных гипотез, изначально разработанных Уолдом.
Основная идея заключается в том, что человек, который принимает решения, по порядку отбирает информацию в течение определенного периода времени, пока накопленные доказательства не станут достаточно вескими, чтобы преодолеть определенный порог.
Первое действие, направленное на преодоление порога, определяет выбор, количество проб, необходимых для достижения порога, определяет время принятия решения, а сила доказательств, накопленных после этого решения, определяет рейтинг доверия.
Скорость - точность компромиссов учитывается порогом в этих моделях - увеличение порога для принятия решения увеличивает количество доказательств, которые необходимо собрать, что затем увеличивает время, необходимое для принятия решения.
Модели последовательной выборки первоначально разрабатывались для сбора данных о гипотезах о том, какое состояние формировало информацию выборки. Теперь эти модели последовательной выборки широко используются для моделирования накопления предпочтений во времени для принятия рискованных и многофакторных решений.
Применительно к проблемам принятия решений основная идея заключается в том, что лицо, принимающее решения, последовательно отбирает оценки для каждого курса действий в течение определенного периода времени, пока сила предпочтения в отношении одного действия не превысит порог.
Интересно, что этот процесс последовательной выборки предоставляет простой рекурсивный алгоритм для онлайн-оценки ожидаемой полезности каждого действия.
В каждый момент времени новое состояние предпочтения достигается путем привязки к предыдущему состоянию предпочтения и корректировки с учетом результатов новой оценки.
Таким образом, текущее состояние предпочтения представляет собой оценку полезности действия, и эта оценка постепенно улучшается путем последовательной выборочной оценки в течение определенного периода времени в процессе накопления.
Что отбирается в ходе этого процесса накопления предпочтений? На этот вопрос есть несколько ответов.
Одна идея, называемая переключением внимания, заключается в том, что внимание лица, принимающего решения, переключается с одного атрибута или состояния на другое с течением времени, накапливая преимущества и недостатки, связанные с каждым атрибутом или состоянием в течение времени.
Другая идея, называемая выборочным принятием решения, заключается в том, что лицо, принимающее решение, извлекает выборочные значения из памяти для прошлого реального опыта (например, оценивает текущую цену продукта, вспоминая предыдущие покупки) для оценки полезности того или иного действия.
Эти механизмы выборки дают возможность более систематически включать когнитивные принципы внимания и памяти в процессы принятия решений.
Модели последовательной выборки для определения предпочтительности пытаются вывести традиционные принципы теории принятия решений, такие как неприятие риска или отвращение к потерям, с помощью динамических процессов, используемых в процессе обсуждения.
Преимущества использования этих когнитивных моделей заключаются в том, что они предоставляют механизмы, которые объясняют загадочные выводы относительно предпочтительного поведения выбора, такие как сходство, притяжение, компромисс и эффекты опорных точек, которые нарушают аксиомы рационального выбора, такие как сильная стохастическая переходная способность и независимость от несущественных альтернатив.
Важно, что они также учитывают время, затраченное на принятие решений и изменение предпочтений в условиях дефицита времени, Дидерих.
Модели последовательной выборки также оказали большое влияние в области нейронауки принятия решений. Неврологи, использовали многоклеточные записи мозга приматов для измерения онлайн накопления нейроактивации, которая приводит к принятию решения. В этих приложениях, последовательные модели выборки обеспечивают точный учет накопления нейронной активации в мозгу.
Таким образом, как когнитологи, так и нейрологи, похоже, сходятся на общем базовом принципе, лежащем в основе принятия решений человеком: решения динамически принимаются на основе последовательной выборки и процесса накопления доказательств/ предпочтений, который продолжается до тех пор, пока не будет достигнут пороговый критерий.
Эти идеи, которые зародились в когнитивной науке, а затем распространились на нейронауку, в настоящее время также оказывают важное влияние на науку о принятии решений.