Descripción del proyecto
Identificar cómo la mente se aproxima a los modelos bayesianos
Las explicaciones bayesianas se han extendido por el campo de la ciencia cognitiva para explicar el comportamiento en diversos ámbitos, desde la física intuitiva y el aprendizaje causal hasta la percepción, el control motor y el lenguaje. Sin embargo, las personas dan respuestas asombrosamente incorrectas incluso a las preguntas más sencillas sobre probabilidades. Una posible resolución de esta paradoja es que la mente se aproxima a las soluciones bayesianas extrayendo muestras, pero aún se desconoce cómo lo hace. El equipo del proyecto SAMPLING, financiado con fondos europeos, identificará en primer lugar los algoritmos utilizados por la mente para extraer muestras. A continuación, demostrará cómo estos algoritmos de muestreo generan los clásicos errores de razonamiento probabilístico en los individuos, poniendo en entredicho el antiguo consenso sobre estos efectos. Por último, utilizará este método para ofrecer una nueva perspectiva sobre la toma de decisiones en grupo.
Objetivo
Over the past two decades, a wave of Bayesian explanations has swept through cognitive science, explaining behaviour in domains from intuitive physics and causal learning, to perception, motor control and language. Yet people produce stunningly incorrect answers in response to even the simplest questions about probabilities. How can a supposedly Bayesian brain paradoxically reason so poorly with probabilities? Perhaps Bayesian brains do not represent or calculate probabilities at all and are, indeed, poorly adapted to do so. Instead the brain could be approximating Bayesian inference through sampling: drawing samples from its distribution over likely hypotheses over time.
This work aims to put meat on the bones of this hypothesis by identifying the kinds of algorithms used by the brain to draw samples. Previous proposals of simple sampling algorithms both do not match human data, nor scale well to more complex probability distributions and hypothesis spaces. In our first work programme, we will investigate advanced algorithms that have been developed in computer science and statistics, to see which one is employed by the brain to draw samples.
A catalog of reasoning errors has been used to argue against a Bayesian brain, but only with infinite samples does a Bayesian sampler conform to the laws of probability. In our second work programme, we will show how with finite samples the sampling algorithm we identify systematically generates classic probabilistic reasoning errors in individuals, upending the longstanding consensus on these effects. In our third work programme, we will apply the algorithm to group decision making, investigating how the sampling algorithm provides a new perspective on group decision making biases and errors in financial decision making, and harness the algorithm to produce novel and effective ways for human and artificial experts to collaborate.
Palabras clave
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Programa(s)
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMA PRINCIPAL
Ver todos los proyectos financiados en el marco de este programa
Tema(s)
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Régimen de financiación
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
ERC-COG - Consolidator Grant
Ver todos los proyectos financiados en el marco de este régimen de financiación
Convocatoria de propuestas
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
(se abrirá en una nueva ventana) ERC-2018-COG
Ver todos los proyectos financiados en el marco de esta convocatoriaInstitución de acogida
Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.
CV4 8UW COVENTRY
Reino Unido
Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.