← Neueste Arbeiten
🤖 AI

Evolutionary Recurrent Decision Model in Developing Adaptive and Maladaptive Behaviors

Dieses Paper führt das Evolutionary Recurrent Decision Model (ERDM) ein, ein computergestütztes Reinforcement-Learning-Framework, das demonstriert, wie adaptive und maladaptive Verhaltensweisen, wie etwa erlernte Hilflosigkeit und Aggression, natürlich aus begrenzter Rationalität und evolutionärer Diskrepanz in simulierten Umgebungen hervorgehen und somit ein neues Werkzeug zum Verständnis von Psychopathologie bietet.

Ursprüngliche Autoren: Andrew Hu

Veröffentlicht 2026-08-26
📖 7 Min. Lesezeit🧠 Tiefgang

Ursprüngliche Autoren: Andrew Hu

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Der menschliche Geist ist ein Produkt der tiefen Zeit, geformt durch Millionen von Jahren der Evolution, um die spezifischen Probleme des Überlebens auf der afrikanischen Savanne zu lösen. In den meisten Teilen unserer Geschichte sahen sich unsere Vorfahren unmittelbaren, physischen Gefahren gegenüber: einem Raubtier im hohen Gras, einem Mangel an Nahrung oder einem Konflikt mit einer rivalisierenden Gruppe. Ihre Gehirne entwickelten sich so, dass sie schnell auf diese Bedrohungen reagierten, wobei sie die unmittelbare Sicherheit und den sozialen Status priorisierten. Die Welt, in der wir heute leben, ist jedoch grundlegend anders. Wir sind mit chronischen Stressfaktoren konfrontiert, wie etwa anspruchsvollen Jobs, dem Druck der sozialen Medien und komplexen sozialen Hierarchien, die den Gefahren unserer Vorfahren nicht ähneln. Diese Kluft zwischen der Umwelt, für die unser Gehirn gebaut wurde, und der Umgebung, in der wir tatsächlich leben, ist als evolutionäre Fehlanpassung bekannt. Sie ist eine führende Theorie dafür, warum so viele Menschen heute mit Angstzuständen, Depressionen und anderen psychischen Herausforderungen kämpfen. Unsere uralten Überlebensmechanismen, die für kurze Phasen der Gefahr konzipiert wurden, können maladaptiv werden, wenn sie durch den unaufhörlichen, abstrakten Druck des modernen Lebens ausgelöst werden.

Um zu verstehen, wie diese uralten Verdrahtungsmuster in einer modernen Welt fehlgehen könnten, entwickelte ein Forscher namens Andrew Hu eine Computersimulation namens „Evolutionarily Recurrent Decision Model“. Anstatt menschliche Patienten direkt zu untersuchen, was ethische Bedenken aufwirft und die Möglichkeit einschränkt, spezifische Ursachen zu testen, schuf die Studie digitale Agenten. Diese Agenten sind nicht mit menschlichen Emotionen oder komplexen Gedanken programmiert; sie sind einfache Lernsysteme, die darauf ausgelegt sind, in einer virtuellen Welt zu überleben, die die Herausforderungen unserer Vorfahren nachahmt. Die Forscher wollten sehen, ob diese einfachen Agenten, wenn man sie in Umgebungen platzte, die entweder sicher waren oder von schweren, wiederkehrenden Traumata geprägt waren, natürlich Verhaltensweisen entwickeln würden, die menschlichen psychischen Störungen ähneln. Das Ziel war festzustellen, ob Zustände wie erlernte Hilflosigkeit oder Aggression Anzeichen eines defekten Gehirns sind oder ob sie tatsächlich rationale, logische Reaktionen auf eine unmögliche Situation darstellen.

Die Simulation versetzte diese digitalen Agenten in eine Welt, in der sie ständig Entscheidungen treffen mussten, um zu überleben. Sie sahen sich drei Arten von wiederkehrenden Situationen gegenüber: Bedrohungen durch Raubtiere oder Feinde, Gelegenheiten zum Jagen oder Sammeln von Nahrung und Chancen, Allianzen mit anderen zu bilden. Um zu überleben, mussten die Agenten drei konkurrierende Bedürfnisse ausbalancieren: ihre körperliche Gesundheit intakt zu halten, eine dominante Position zur Selbstverteidigung zu wahren und fürsorgliche Beziehungen aufzubauen, um ihre Gemeinschaft zu unterstützen. Die Agenten lernten durch Versuch und Irrtum, wobei sie Belohnungen für Handlungen erhielten, die ihr Überleben sicherten, und Strafen für jene, die sie in Gefahr brachten. Die Forscher führten tausende Simulationen durch, einige in ruhigen, stabilen Umgebungen und andere in harten Bedingungen, die schwere traumatische Erfahrungen in der Kindheit nachahmten, bei denen Bedrohungen häufig, intensiv und oft unvermeidbar waren.

Die Ergebnisse zeigten, dass die Agenten nicht einfach zusammenbrachen, wenn die Umgebung feindselig wurde. Stattdessen entwickelten sie distinkte, komplexe Strategien, die reale menschliche Verhaltensweisen widerspiegelten. In den sicheren Umgebungen lernten die Agenten, flexibel zu sein und zwischen Kämpfen, Fliehen und Kooperieren zu wechseln, je nach Situation. Wenn die Agenten jedoch den Bedingungen mit hoher Belastung ausgesetzt waren, änderte sich ihr Verhalten auf vorhersehbare Weise. Einige Agenten, insbesondere jene, die darauf programmiert waren, Dominanz und Schutz zu priorisieren, begannen Anzeichen von erlernter Hilflosigkeit zu zeigen. Dies ist ein Zustand, in dem ein Individuum aufhört, zu versuchen, seine Umstände zu ändern, weil es gelernt hat, dass seine Handlungen keinen Einfluss auf das Ergebnis haben. In der Simulation war dies kein Fehler oder Versagen des Systems; es war eine logische Schlussfolgerung. Wenn jede mögliche Handlung zu einem negativen Ergebnis führte, war die rationalste Wahl für den Agenten, überhaupt nicht mehr zu handeln. Dies deutet darauf hin, dass das, was wir oft als psychische Störung bezeichnen, tatsächlich eine Überlebensstrategie sein kann, die in einem Kontext überwältigender, unausweichlicher Gefahr vollkommen sinnvoll ist.

Die Studie zeigte auch, dass die Art der Strategie, die ein Agent entwickelte, stark von seinem primären Überlebensfokus abhing. Agenten, die darauf ausgelegt waren, soziale Fürsorge und den Aufbau positiver Beziehungen zu priorisieren, neigten dazu, bei Traumata eher zurückgezogen und vermeidend zu werden. Sie hörten auf, Hilfe zu suchen oder neue Bindungen einzugehen, und isolierten sich effektiv, um das Risiko weiterer Schäden zu minimieren. Im Gegensatz dazu zeigten Agenten, die auf Dominanz und Schutz fokussiert waren, ein anderes Muster. Während sie anfangs versuchten, zurückzukämpfen oder die Kontrolle zu behaupten, zwangen sie die ständigen, unkontrollierbaren Bedrohungen schließlich in einen Zustand internalisierter Not. Interessanterweise zeigte die Simulation, dass Aggression angesichts von Trauma nicht zwangsläufig zunahm. Stattdessen änderten die Agenten ihr Verhalten; der ständige Kampf, der unter milderen Bedingungen funktionierte, wurde zu riskant, was zu einem Zusammenbruch in die Inaktivität oder einem starken Anstieg negativer Erwartungen an die Zukunft führte.

Eines der beeindruckendsten Ergebnisse war, dass selbst wenn zwei Agenten mit exakt derselben Programmierung starteten und exakt derselben harten Umgebung ausgesetzt waren, sie nicht immer zum gleichen Ergebnis gelangten. Die Forscher entdeckten zwei distinkte Untergruppen, die aus dem Chaos hervorgingen: eine resiliente Gruppe und eine vulnerable Gruppe. Der Unterschied lag in einem entscheidenden Faktor: der Qualität ihrer Beziehungen. Agenten, denen es gelang, gesunde, unterstützende Verbindungen zu anderen aufzubauen, waren weitaus weniger wahrscheinlich anfällig für erlernte Hilflosigkeit, selbst unter den schlimmsten Bedingungen. Die Daten zeigten eine starke Verbindung zwischen dem Besitz positiver sozialer Bindungen und der Aufrechterhaltung der Handlungsfähigkeit. Umgekehrt waren Agenten, die diese Verbindungen nicht aufbauen konnten, viel wahrscheinlicher in einem Zustand der Hoffnungslosigkeit gefangen. Dies unterstreicht einen Schutzfaktor, der in der menschlichen Psychologie bekannt ist, hier jedoch als fundamentaler Überlebensmechanismus aus einfachen Regeln demonstriert wurde.

Die Studie stellte auch die Vorstellung in Frage, dass Inaktivität angesichts von Trauma immer dasselbe ist. Die Forscher fanden heraus, dass die Agenten zwischen zwei Arten des Nichtstuns unterschieden. Das eine war ein Mangel an Motivation, bei dem der Agent schlichtweg keine Handlung als wertvoll genug erachtete. Das andere war eine kalkulierte Risikobewertung, bei der der Agent erkannte, dass jede mögliche Bewegung gefährlich war, und sich entschied zu erstarren. Die Simulation legte nahe, dass die Agenten in Umgebungen mit hoher Bedrohung eher von der Angst vor dem Risiko als von einem Mangel an Belohnungsverlangen getrieben wurden. Diese Unterscheidung ist wichtig, da sie impliziert, dass verschiedene Arten von Trauma zu verschiedenen Arten von Lähmung führen können und die Behandlung dieser unterschiedlich ausfallen muss.

Letztendlich legt diese Forschung nahe, dass viele Verhaltensweisen, die wir als maladaptiv oder pathologisch bezeichnen, tatsächlich die vorhersehbaren Ergebnisse eines rationalen Geistes sind, der versucht, in einer Welt zu navigieren, die zu gefährlich geworden ist. Die Agenten in der Simulation waren nicht „kaputt“; sie reagierten logisch auf eine Diskrepanz zwischen ihren Überlebensinstinkten und der Umgebung, der sie ausgesetzt waren. Wenn die Welt zu feindselig ist, ist das Anhalten eine rationale Wahl. Wenn die Kosten der Verbindung zu hoch sind, ist der Rückzug eine rationale Wahl. Die Studie behauptet nicht, das Rätsel der psychischen Erkrankung gelöst zu haben, noch schlägt sie vor, dass diese Computermodelle perfekte Repliken des menschlichen Gehirns sind. Sie bietet jedoch eine kraftvolle neue Sichtweise auf das menschliche Verhalten und zeigt auf, dass das, was wie ein Versagen des Geistes aussieht, tatsächlich eine erfolgreiche, wenn auch schmerzhafte Anpassung an eine Welt ist, die nicht mehr zu dem Design unserer Vorfahren passt. Indem wir diese Mechanismen verstehen, können wir beginnen, psychische Kämpfe nicht nur als interne Defekte, sondern als verständliche Reaktionen auf die Umwelten zu sehen, die wir selbst geschaffen haben.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →