Crosswalk Task: A naturalistic reinforcement learning paradigm for characterizing real-world risky behavior
作者们介绍了“过街任务”（Crosswalk Task），这是一种自然主义强化学习范式，它利用逆强化学习，相比于传统的聚合行为度量，能更有效地捕捉现实世界中个体风险偏好的差异。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
每天，人们都会做出在安全与速度之间权衡的瞬间抉择。行人踏下路缘前瞥一眼驶来的车辆，是在衡量一个潜在的回报——快速到达另一侧——与一个严重的风险。心理学家长期以来一直试图理解为什么有些人会承担这些风险，而另一些人则会等待，但他们的传统工具往往力有不逮。在实验室里，研究人员可能会要求人们填写一份关于风险承担意愿的调查问卷，或者让他们玩一个规则固定的简化电脑游戏。然而，这些方法往往无法捕捉到现实世界中复杂多变、瞬息万变的现实，在现实中，决策取决于不断变化的环境和即时的后果。为了弥补实验室与现实生活之间的这一差距，研究人员需要一种方法，能够在没有标准实验的人为约束下，观察人们在赌注感觉真实时是如何实际行动的。
来自首尔大学和佐治亚理工学院的一个研究小组开发了一种研究这种行为的新方法，称为“过街任务”（Crosswalk Task）。研究人员并没有询问人们会怎么做，而是创建了一个数字模拟环境，参与者在其中引导一个角色穿过一系列繁忙的道路。目标很简单：尽可能快地到达地图顶部。但路径中充满了移动的车辆，一旦发生碰撞，游戏会立即结束。这项任务迫使玩家进行不断的、动态的选择。他们可以冲过马路，希望交通间隙足够宽；或者他们可以等待指定的过街横道，在那里车辆会为他们停下。使用过街横道更安全但更耗时，这可能意味着在到达终点线之前时间就会耗尽。冲刺更快但带有撞车的危险。通过观察人们如何一次又一次地应对这些选择，研究人员可以观察到他们真实的风险承担风格。
为了理清 309 名成年玩家所做的数千次动作和决策，研究人员使用了一种称为“逆向强化学习”（inverse reinforcement learning）的高级方法。在标准的计算机程序中，你告诉机器奖励是什么，然后它学习如何获得它。在这种方法中，研究人员做了相反的操作：他们观察人类的游戏过程，并反向推导人类在追求什么价值。他们建立了一个模型，用以推断每个人正在追逐的隐形“奖励”。这个人是否如此看重速度，以至于愿意忽视危险？另一个人是否如此看重安全，以至于在并不严格需要等待的情况下也浪费时间等待过街横道？这种方法让团队得以揭示驱动行为的隐藏偏好，而不仅仅是统计最终得分。
研究发现，这些隐藏的偏好比简单的游戏得分讲述了更清晰的故事。当研究人员观察原始数据时——例如玩家撞车的次数或总分的高低——与一个人的普遍风险承担人格之间的联系很弱。然而，当他们使用模型来推断每个人寻求的具体奖励时，画面变得清晰起来。模型显示，那些在自我报告的风险承担量表中得分较高的人，确实是那些即使在附近有安全过街横道时也会一致选择乱穿马路的人。更重要的是，模型表明，在碰撞惩罚更高的情况下，个体在风险承担倾向上的差异在观察到的过街行为中体现得更为强烈。这种细微之处——即随着赌注增加，人格与行为之间的联系变得更加明确——是简单的游戏得分完全忽略掉的细节。
研究人员还发现，结合不同类型的数据能产生最好的结果。他们测试了仅观察游戏得分、仅观察推断出的奖励，还是将两者结合起来，是否能更好地预测一个人的风险人格。结合行为数据和推断出的奖励的混合模式效果最好，能够比任何单一测量指标都更全面地描绘出个体差异。这表明，要真正理解人们如何承担风险，我们需要同时观察他们的行为以及驱动这些行为的隐形价值观。该团队已将此任务的软件免费提供给其他科学家，以便他们能在动态且自然的环境中研究决策过程。通过超越静态测试并进入一个变化且具有反应性的世界，这项工作为我们如何应对日常生活中的风险提供了一个新的视角。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。