更多信息并不一定能帮助人们做出更好的决策

做出日常决策似乎很容易。人们了解有关健康和财务状况的基本信息，可用来为决策提供依据。但是史蒂文斯理工学院的最新研究表明，太多的知识会导致人们做出更糟糕的决定，这表明我们对新信息如何与先前的知识和信念相互作用的理解存在严重差距。

史蒂文斯计算机科学副教授萨曼莎·克莱恩伯格(Samantha Kleinberg)领导的这项工作正在帮助重新构想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保健专业人员和财务顾问如何向他们的新信息提供这些想法患者和客户。

克莱恩伯格说：“准确的信息不足以使信息有用。” “假设人工智能和机器学习将发现大量信息，我们将其提供给人们，他们将做出明智的决定。但是，本文的基本要点是缺少一个步骤：我们需要帮助人们建立他们已经知道并了解如何使用新信息。”

例如：当医生向患者传达信息时，例如推荐降压药物或解释糖尿病的危险因素，人们可能会在考虑药物的成本或达成同一目标的其他方法。克莱恩伯格说：“因此，如果您不理解所有其他这些信念，那么就很难有效地对待它们。”他的工作发表在2月13日出版的《认知研究：原理与启示》上。

Kleinberg和同事向4,000位参与者提出了一系列与他们熟悉程度不同的主题相关的问题。一些参与者被要求对他们可能不熟悉的场景做出决策，即如何让一群能读心术的外星人完成一项任务。其他参与者被问到更熟悉的话题，即选择如何降低退休投资组合中的风险或在特定餐食和体重控制活动之间做出决定。

对于某些参与者，场景具有因果关系结构，这意味着参与者可以根据以文字或图表形式表示的因果关系做出正确的决定。然后，该团队可以比较人们在使用新信息还是仅使用他们已经知道的信息方面做得更好还是更差。