Как социальное неравенство и восприятие партнера влияют на обучение с подкреплением

Введение

Через опыт люди учатся связывать свои действия с их последствиями, включая понимание того, какие действия в каких ситуациях приносят пользу или убытки. Например, после многократных проб человек может определить, сколько приправы ему нравится в пасте, на каких этажах парковки есть свободные места в выходные или какой тип поста в социальных сетях получает больше всего вовлеченности. Такой тип обучения можно смоделировать с использованием обучения с подкреплением (Reinforcement Learning, RL), которое формализует связь между ожидаемыми и фактическими вознаграждениями через ошибку предсказания вознаграждения (Reward Prediction Error, RPE).

Роль социального контекста в обучении

Хотя исследования обучения с подкреплением традиционно рассматривали вознаграждения как фиксированные (вознаграждение vs. его отсутствие), в последние годы растет интерес к изучению влияния социального контекста на процесс оценки. Например:

• Социальный контекст может служить источником информации для обучения, включая наблюдательное обучение.
• Социальные взаимодействия сами по себе могут выступать в роли вознаграждения или наказания (например, улыбка или положительная обратная связь).
• Восприятие характеристик других людей (таких как теплота и компетентность) влияет на то, как люди оценивают распределение ресурсов.

Методы исследования

В трех исследованиях участники выполняли компьютерную задачу, где им нужно было научиться связывать определенные действия (нажатия кнопок) с вознаграждениями, которые распределялись между ними и другим человеком. Ключевые манипуляции включали:

• Тип неравенства: участники получали либо большую (выгодное неравенство), либо меньшую (невыгодное неравенство) долю вознаграждения.
• Идентичность партнера: перед каждым блоком заданий участникам сообщали профессию человека, с которым они делили вознаграждение (например, «медсестра»).
• Когнитивная нагрузка: в третьем исследовании количество стимулов было уменьшено, чтобы снизить нагрузку на рабочую память.

Результаты

Основные выводы исследований:

Участники учились хуже в условиях невыгодного неравенства, даже когда общее вознаграждение для них оставалось неизменным. Это указывает на то, что социальное сравнение играет ключевую роль в процессе обучения.

Обсуждение

Результаты показывают, что неравенство в распределении вознаграждений влияет на обучение «абсолютно», а не относительно. Это означает, что невыгодное неравенство снижает ценность вознаграждений даже без сравнения с выгодными условиями. Кроме того, восприятие теплоты и компетентности партнера оказывает более систематическое влияние на обучение при сниженной когнитивной нагрузке.

Ограничения

Исследование имеет несколько ограничений:

• Вознаграждения были гипотетическими, что может снижать силу эффектов.
• Участники — молодые взрослые из США, что ограничивает обобщаемость результатов.