Стратегии поиска пищи у человека: влияние распределения ресурсов и времени

Введение в поиск пищи

Поиск пищи — это практически универсальное поведение в животном мире, необходимое для выживания большинства видов. Проблемы поиска пищи включают не только поиск ресурсов, связанных с выживанием, но и поиск информации в окружающей среде или в памяти.

В естественных задачах поиска пищи, таких как навигация животных в поисках еды, варианты выбора представлены последовательно и часто встречаются скоплениями или участками, которые постепенно истощаются. Это делает сценарии поиска концептуально отличными от классических экономических задач, используемых для изучения решений, основанных на ценности, где варианты выбора обычно представлены одновременно. Учитывая их особенности, выбор при поиске пищи часто концептуализируется в терминах решений "остаться" или "уйти": решить, принять ли доступную альтернативу или отвергнуть ее в надежде найти лучшую.

Оптимальная теория поиска пищи

Формальным решением проблем ухода с участка и других проблем поиска пищи является теорема предельной ценности оптимальной теории поиска пищи. Согласно ей, наиболее выгодный момент для ухода с участка наступает, когда вознаграждение на текущем участке становится меньше среднего уровня вознаграждения в окружающей среде. Различные исследования сообщают, что люди и многие другие виды животных ведут себя близко, хотя и не так хорошо, как оптимальное поведение, предлагаемое оптимальной теорией поиска пищи. Эта неоптимальность имеет множество потенциальных причин; среди них решения о уходе с участка находятся под влиянием предыдущих результатов, а также индивидуальных, социальных факторов и факторов старения.

Влияние распределения ресурсов

Серия исследований на людях проверила, как экологические ограничения — важнейшим из которых является распределение ресурсов — влияют на стратегии ухода с участка у людей. Используя задачу визуального поиска с несколькими целями, было продемонстрировано, что собиратели адаптируются к статистике окружающей среды способом, согласующимся с оптимальной формулировкой: участники ищут больше, когда ожидают большего количества целей, и изменяют свои ожидания в реальном времени, учитывая распределение целей по попыткам. В другом эксперименте использовалась виртуальная задача поиска пищи на участках для оценки влияния богатства окружающей среды на решения о поиске пищи. Результаты показали, что, хотя поведение участников согласовывалось с оптимальной политикой, наблюдалась тенденция к "чрезмерному сбору", то есть тенденция собирать урожай на участке дольше, чем это необходимо для максимизации вознаграждения.

Роль временных ограничений

Подобно тому, как ресурсы в окружающей среде ограничены, время также является конечным ресурсом. Животные allocate разное время на поиск пищи в зависимости от внешних ограничений и гибко корректируют свое поведение при поиске пищи в зависимости от доступного времени. Например, они tend to work harder, когда время, доступное для поиска пищи, более ограничено. Давление времени также implies, что решения должны приниматься быстрее. Недавнее исследование использовало задачу "временного бандита" для изучения эффектов давления времени на исследование и принятие решений и обнаружило, что в условиях ограниченного времени участники зарабатывали меньше вознаграждения, были менее чувствительны к значениям вознаграждения в поведении повторного выбора, реже выбирали варианты, связанные с более высокой неопределенностью, и меньше исследовали в неопределенных сценариях. Эти findings можно объяснить, considering, что при нехватке времени участники tend to select более простые, менее затратные политики.

Экологически валидные сценарии поиска пищи

Большинство исследований поиска пищи у людей использовали простые парадигмы, в которых вознаграждения связаны с кнопками, одновременно присутствующими на экране. Неясно, насколько хорошо их результаты обобщаются на сценарии поиска пищи, которые более closely напоминают проблемы поиска пищи у животных, в которых вознаграждения представлены последовательно, видимость частична, и которые задействуют сложные когнитивные процессы, такие как those required to learn and remember места вознаграждения, ориентация и навигация в пространстве и т.д. Что важно, эти более сложные и экологически валидные сценарии представляют различные источники неопределенности относительно местоположения и распределения ресурсов — например, сколько мест вознаграждения можно достичь в ограниченное время, где пространственно расположены вознаграждения и как эффективно navigate, чтобы достичь их — thus создавая множество возможностей для обучения. Поэтому они позволяют задавать новые вопросы о том, как стратегии поиска пищи адаптируются к требованиям окружающей среды в ходе эксперимента — фактор, часто обходимый в таких подходах, как оптимальная теория поиска пищи.

Цели и методы исследования

В данном исследовании мы решаем эти проблемы, используя новую задачу ухода с участка в форме видеоигры. Наши исследовательские цели — ответить на четыре основных вопроса. Во-первых, мы aim to examine, модулируют ли участники гибко свои стратегии ухода с участка в зависимости от различных условий распределения ресурсов и доступности времени. Во-вторых, мы aim to establish, улучшают ли участники свои результаты по попыткам, по мере снижения неопределенности в отношении задачи, и зависят ли их предполагаемые улучшения от улучшения навыков или также от стратегических изменений. В-третьих, мы aim to assess, адаптируют ли участники свои стратегии поиска пищи в пределах попыток в зависимости от снижающейся неопределенности в отношении богатства участка. В-четвертых, мы aim to investigate, в какой степени поведение участников при уходе с участка в различных условиях согласуется с оптимальным агентом поиска пищи, который максимизирует вознаграждение.

Участники и дизайн эксперимента

В нашем эксперименте приняли участие в общей сложности 34 испытуемых. Участники получили компенсацию в виде подарочной карты на 10 евро за свое участие. Эксперимент длился approximately 1 час. Критерии отбора были designed to be инклюзивными, без наложения ограничительных мер, чтобы обеспечить более разнообразную выборку, aiming to повысить репрезентативность и обобщаемость findings исследования.

Экспериментальная задача и процедура

После согласия участников попросили посмотреть стандартизированный видеоурок, в котором объяснялись задача и экспериментальный дизайн. Убедившись, что задача понятна, участников попросили выполнить задачу поиска пищи в форме компьютерной видеоигры. Чтобы обеспечить единообразие опыта участников, все данные были собраны с использованием одного и того же ноутбука с внешней мышью.

В эксперименте, созданном с помощью Unity, участники управляли виртуальным астронавтом от третьего лица, используя клавиши-стрелки или буквы WASD для навигации. Виртуальная среда состояла из центральной зоны и четырех смежных областей, где располагались "сокровищницы". Каждая сокровищница содержала переменное количество монет, и цель участников состояла в том, чтобы максимизировать количество монет, собранных durante эксперимент.

Результаты исследования

Влияние распределения ресурсов и времени на поиск

Анализы показали effects наших манипуляций на шесть зависимых переменных. Мы first considered общее количество монет, заработанных за попытку, которое provides aggregate measure производительности участников. Анализ линейных смешанных моделей выявил значительный effect обоих наших манипуляций и их взаимодействия на эту переменную. Длина батареи significantly influenced количество монет, собранных участниками. В частности, чем longer батарея, тем more собранных монет. Богатство окружающей среды also показало main effect на зависимую переменную. Действительно, в условиях богатой окружающей среды количество монет, доступных в окружающей среде, выше, чем в сценариях со смешанной средой. Кроме того, взаимодействие между двумя переменными оказалось значительным. В частности, участники собрали significantly greater количество монет при комбинациях длинной батареи и богатой окружающей среды.

Динамика обучения в ходе эксперимента

Наш эксперимент по поиску пищи требует навигации в большой среде без полной видимости и с множественными источниками неопределенности относительно местоположения и распределения ресурсов. Следовательно, durante эксперимент участники могут learn эти переменные и potentially улучшить свои показатели. Чтобы исследовать эту динамику обучения, мы проверили, изменяются ли наши шесть зависимых переменных на протяжении всего эксперимента, вычислив среднее значение данных участников для каждой попытки. Важно отметить, что представление попыток рандомизировано для каждого участника, hence средние данные попыток effectively усредняются по всем экспериментальным условиям.

Графики показывают производительность участников по попыткам для каждой из наших шести зависимых переменных. Каждая точка на рисунке представляет среднее значение, вычисленное из данных наших 34 участников для каждой попытки, причем каждая из 40 попыток представлена отдельной точкой. Глядя на графики, распределение точек изменяется по попыткам, indicating тенденцию, которую можно attributed to обучению. Это suggests, что производительность участников evolves over time по мере того, как они становятся более familiar с различными аспектами задач, такими как навигация, plausible расположение ящиков, распределение монет для богатой и бедной сред и т.д.

Обсуждение результатов

Люди и другие животные ищут ценные ресурсы, такие как пища или другие товары, в условиях, когда доступность самих ресурсов и времени для поиска пищи может быть ограничена. Однако мы still have ограниченное понимание того, как доступность ресурсов и времени влияет на стратегии поиска пищи у людей и способны ли участники гибко адаптировать свои стратегии к этим различным условиям по мере того, как они узнают больше о задаче и ее статистике — и whether они приближаются к оптимальным решениям, provided теорией поиска пищи.

Ключевые выводы

Что касается первого вопроса, мы found, что участники showed гибкость в поведении при поиске пищи и были чувствительны к распределению ресурсов и доступности времени. В то время как некоторые результаты simply являются ожидаемым effect наших манипуляций, другие indicative стратегии. Ключевым indication адаптивных стратегий поиска пищи является анализ ящиков, открытых в первой области. Участники собрали больше ящиков в первой области, когда это было более favorable, а именно, когда они находились в богатой среде и продолжительность их батареи была longer.

Адаптация стратегий внутри попытки

Мы также found, что неопределенность внутри попытки influenced поведение участников. В частности, участники покидали области быстрее, когда они resolved, что другие области richer и предлагают лучшие возможности для поиска пищи, и медленнее, когда они становились certain, что альтернативы poorer. Более того, взаимодействие между разрешением неопределенности и временными ограничениями further shaped решения о поиске пищи: после разрешения неопределенности участники были медленнее, чтобы покинуть области, когда было доступно больше времени, и быстрее, когда они already собрали больше ящиков. Эти findings suggest, что динамика неопределенности модулирует решения "остаться-уйти", plausibly за счет увеличения уверенности участников в наиболее продуктивном курсе действий.

Соответствие оптимальному поведению

Что касается четвертого вопроса, мы found, что производительность участников — с точки зрения общего количества собранных монет — значительно отличалась от оптимального агента в попытках с длинной батареей, но не в тех, где батарея была короткой. Тот факт, что участники в попытках с короткой батареей better приближались к оптимальным решениям, может быть обусловлен комбинацией факторов. Различия между участниками и оптимальным агентом неудивительны, especially если учитывать, что оптимальный агент обладает perfect знанием окружающей среды, тогда как участники принимают решения в условиях различных источников неопределенности.

Ограничения и будущие исследования

Одним ограничением текущего исследования является то, что мы изучили решения о поиске пищи, используя relatively простую модель, которая предполагала неопределенность only относительно местоположения богатых и бедных областей. Этот подход был выбран потому, что мы aimed to исследовать, насколько closely люди приближаются к оптимальным стратегиям поиска пищи durante эксперимент, по мере того как они progressively изучали структуру задачи — и, таким образом, ideally, оставались uncertain only относительно местоположения богатых и бедных областей, similar to оптимальной модели. Будущие исследования могли бы formalize альтернативные стратегии, которые individuals might adopt при принятии решений о том, как искать пищу и когда покидать участок.

Перспективы

В сумме наши результаты highlight большую гибкость человеческого поиска пищи в ответ на изменяющиеся распределения ресурсов, ограниченное время поиска и возможности обучения. Более того, они showcase важность изучения поиска пищи в богатых средах, которые engage различные когнитивные процессы, такие как ориентация и пространственная навигация, одновременно предоставляя возможности для обучения и адаптации стратегий с течением времени. Эти экологически валидные контексты enable новые вопросы о том, как стратегии поиска пищи адаптируются к физическим свойствам окружающей среды, revealing тонкие аспекты, часто упускаемые из виду в таких подходах, как оптимальная теория поиска пищи.