labirinto

Quanto è complessa la tua vita?

  • Pubblicato
  • Aggiornato
  • 6 minuti di lettura

Indice

Gli informatici hanno trovato un modo per misurarlo

Incontriamo regolarmente problemi nella nostra vita quotidiana che sembrano complessi: dalla scelta del miglior piano elettrico, alla decisione su come spendere in modo efficace i nostri soldi.

Ma come misurare oggettivamente quanto “complesse” siano realmente le nostre decisioni? Una ricerca offre un potenziale modo per farlo, attingendo a concetti dall’informatica e dalla scienza dei sistemi.

Perché preoccuparsi di misurare la complessità?

Ci sono diversi fattori quando si tratta di misurare la complessità in qualsiasi scenario. Ad esempio, potrebbero esserci diverse opzioni tra cui scegliere e ciascuna opzione potrebbe avere diverse caratteristiche da considerare.

Supponiamo che tu voglia comprare marmellata. Questo sarà facile se ci sono solo due gusti disponibili, ma difficile se ce ne sono dozzine. Eppure scegliere un piano elettrico sarebbe molto più difficile anche con solo due opzioni.

In altre parole, non puoi isolare un fattore particolare quando cerchi di determinare la complessità di qualcosa. Devi considerare il problema nel suo insieme e questo richiede molto più lavoro.

La capacità di misurare accuratamente la complessità potrebbe avere un’ampia gamma di applicazioni pratiche, inclusa l’informazione sulla progettazione di:

  • regolamento sulla complessità dei prodotti
  • sistemi digitali facili da navigare inclusi siti Web, app e programmi per dispositivi intelligenti
  • prodotti di facile comprensione. Questi possono essere prodotti finanziari (piani pensionistici e assicurativi, schemi di carte di credito), prodotti fisici (dispositivi) o prodotti virtuali (software)
  • intelligenza artificiale che offre consigli quando i problemi sono troppo complessi per l’uomo. Ad esempio, un’intelligenza artificiale di pianificazione può consentirti di prenotare personalmente le riunioni, prima di iniziare a suggerire orari e luoghi ottimali per le riunioni in base alla cronologia.

Come studiamo il processo decisionale umano

L’informatica può aiutarci a risolvere i problemi: le informazioni entrano ed escono una (o più) soluzioni. Tuttavia, la quantità di calcolo necessaria per questo può variare molto, a seconda del problema.

In questo studio hanno utilizzato un quadro matematico preciso, chiamato “teoria della complessità computazionale“, che quantifica la quantità di calcolo necessaria per risolvere un dato problema.

L’idea alla base è misurare la quantità di risorse computazionali (come tempo o memoria) di cui un algoritmo informatico ha bisogno per la risoluzione dei problemi. Più tempo o memoria sono necessari, più complesso è il problema.

Una volta stabilito questo, i problemi possono essere classificati in “classi” in base alla loro complessità.

In questo lavoro, eravano particolarmente interessati a come la complessità (determinata attraverso la teoria della complessità computazionale) corrisponda alla quantità effettiva di sforzo che le persone devono fare per risolvere determinati problemi.

Volevano sapere se la teoria della complessità computazionale potesse prevedere con precisione quanto gli esseri umani avrebbero lottato in una determinata situazione e quanto sarebbe stata accurata la loro risoluzione dei problemi.

Testare la nostra ipotesi

Si sono concentrati su tre tipi di attività sperimentali, per le quali puoi vedere degli esempi di seguito. Tutti questi tipi di attività rientrano in una classe più ampia di problemi complessi chiamati problemi “NP-completi“.

Ogni tipo di attività richiede una diversa capacità di svolgere bene. Nello specifico:

  • I compiti di “soddisfacibilità” richiedono una logica astratta
  • Le attività di “commesso ambulante” richiedono capacità di navigazione spaziale e
  • I compiti “a zaino” richiedono aritmetica.

Tutti e tre sono onnipresenti nella vita reale e riflettono problemi quotidiani come il test del software (soddisfabilità), la pianificazione di un viaggio (commesso ambulante) e lo shopping o l’investimento (zaino).

Hanno reclutato 67 persone, le hanno divise in tre gruppi e hanno fatto in modo che ogni gruppo risolvesse tra 64-72 diverse varianti di uno dei tre tipi di attività.

Hanno anche utilizzato la teoria della complessità computazionale e algoritmi informatici per capire quali compiti erano “ad alta complessità” per un computer, prima di confrontarli con i risultati dei loro risolutori di problemi umani.

Si aspettavano – supponendo che la teoria della complessità computazionale fosse congruente con il modo in cui le persone reali risolvono i problemi – che i partecipanti avrebbero dedicato più tempo a compiti identificati come “ad alta complessità” per un computer. Si aspettavano anche una minore precisione nella risoluzione dei problemi su queste attività.

In entrambi i casi è esattamente quello che hanno trovato. In media, le persone hanno ottenuto risultati due volte migliori nei casi di complessità più bassa rispetto ai casi di complessità più elevata.

L’informatica può misurare la “complessità” per gli esseri umani

I risultati suggeriscono che lo sforzo da solo non è sufficiente per garantire che qualcuno segua bene un problema complesso. Alcuni problemi saranno difficili, qualunque cosa accada, e questi sono gli spazi in cui gli aiuti decisionali avanzati e l’IA possono brillare.

In termini pratici, essere in grado di valutare la complessità di un’ampia gamma di compiti potrebbe aiutare a fornire alle persone il supporto necessario di cui hanno bisogno per affrontare questi compiti giorno per giorno.

Il risultato più importante è stato che le loro previsioni basate sulla teoria della complessità computazionale su quali compiti gli esseri umani avrebbero trovato più difficili erano coerenti in tutti e tre i tipi di attività, nonostante ciascuna richiedesse abilità diverse da risolvere.

Inoltre, se possiamo prevedere quanto difficili gli esseri umani troveranno compiti all’interno di questi tre problemi, allora dovrebbe essere in grado di fare lo stesso per gli oltre 3.000 altri problemi NP-completi.

Questi includono ostacoli altrettanto comuni come la pianificazione delle attività, lo shopping, la progettazione di circuiti e il gameplay.

Ora, per mettere in pratica la ricerca

Anche se i risultati sono entusiasmanti, c’è ancora molta strada da fare. Per uno, la questa ricerca hanno utilizzato attività rapide e astratte in un ambiente di laboratorio controllato. Questi compiti possono modellare le scelte della vita reale, ma non sono rappresentativi delle scelte reali della vita reale.

Il passaggio successivo consiste nell’applicare tecniche simili a compiti che assomigliano più da vicino alle scelte della vita reale. Ad esempio, possiamo usare la teoria della complessità computazionale per misurare la complessità della scelta tra diverse carte di credito?

I progressi in questo spazio potrebbero aiutarci a sbloccare nuovi modi per aiutare le persone a fare scelte migliori, ogni giorno, in vari aspetti della vita.

Autore

Karlo DorocUniversità di Melbourne