日常决策看似简单。人们了解基本的健康和财务信息，可以用来指导他们的决策。但来自斯蒂文斯理工学院的新研究表明，过多的知识反而会导致人们做出更糟糕的决策，这指出了我们对新信息如何与先前知识和信念相互作用的认识中存在的关键差距。
这项工作由斯蒂文斯理工学院的计算机科学副教授Samantha Kleinberg领导，正在帮助重新定义我们如何使用从人工智能和机器学习算法中提取的大量数据，以及医疗专业人员和财务顾问如何向他们的患者和客户展示这些新信息。
Kleinberg表示：“准确性对于信息的有用性来说是不够的。人们认为AI和机器学习将揭示伟大的信息，我们会将其提供给人们，他们会做出好的决策。然而，论文的基本观点是，有一个步骤缺失了：我们需要帮助人们在他们已经知道的基础上构建，并理解他们将如何使用新信息。”
例如，当医生向患者传达信息时，如推荐血压药物或解释糖尿病的风险因素，人们可能会考虑药物的成本或达到相同目标的其他方式。Kleinberg的工作发表在2月13日的《认知研究：原则与影响》上。
Kleinberg和她的团队发现，当人们在新颖的场景中做出决策时，他们在这个问题上表现得非常好。然而，当同一个问题被替换为关于财务和退休的信息时，人们的信心下降，决策变得更差，这表明他们的先前知识妨碍了选择最佳结果。
Kleinberg警告说，论文的要点不是信息是坏的。她认为，为了帮助人们做出更好的决策，我们需要更好地理解人们已经知道什么，并根据这个心理模型调整信息。