Ici, l'étude du comportement recoupe le raisonnement bayésien et abductif, explique Erol Akçay, biologiste théoricien à la School of Arts &Sciences de l'Université de Pennsylvanie.

Le raisonnement bayésien fait référence à une méthode d'évaluation de la probabilité, dans laquelle les individus utilisent des connaissances antérieures associées à de nouvelles preuves pour mettre à jour leurs croyances ou estimations concernant une certaine condition, en l'occurrence la réputation des autres villageois. Alors que le raisonnement abductif implique une approche simple « ce que vous voyez est ce que vous obtenez » pour rationaliser et prendre une décision, explique Akçay.

Dans deux articles, dont un publié dans PLoS Computational Biology et l'autre dans le Journal of Theoretical Biology , des chercheurs du Département de biologie ont exploré comment ces stratégies de raisonnement peuvent être modélisées et appliquées efficacement pour améliorer la compréhension des biologistes de la dynamique sociale.

Faire une supposition éclairée

La Biologie computationnelle PLoS L'article étudie comment les méthodes statistiques bayésiennes peuvent être utilisées pour évaluer la probabilité d'erreurs et aligner les jugements des acteurs au sein d'un réseau social avec une compréhension plus nuancée de la réputation. "C'est quelque chose que nous faisons couramment lorsque nous essayons de proposer une explication à certains phénomènes sans solution évidente, directe ou intuitive", explique Akçay.

Bryce Morsky, co-auteur des deux articles et maintenant professeur adjoint à la Florida State University, a commencé ses travaux au cours de ses recherches postdoctorales dans le laboratoire d'Akçay. Il dit qu'il pensait initialement que la prise en compte des erreurs de jugement pourrait améliorer considérablement le système de récompense et de punition qui sous-tend la coopération et qu'il espérait qu'une meilleure compréhension de ces erreurs et leur intégration dans le modèle favoriseraient une coopération plus efficace. P>

"Essentiellement, l'hypothèse était que la réduction des erreurs conduirait à une évaluation plus précise des réputations, ce qui favoriserait la coopération", dit-il.

L'équipe a développé un modèle mathématique pour simuler le raisonnement bayésien. Il s'agissait d'un modèle de théorie des jeux dans lequel les individus interagissent dans un cadre de rencontres basées sur le don. D'autres individus participant à la simulation évaluent la réputation des acteurs en fonction de leurs actions, influencées par plusieurs normes sociales prédéfinies.

Dans le contexte du village, cela signifie juger chaque villageois sur ses actions - qu'il s'agisse d'aider un autre (bien) ou de ne pas le faire (mauvais) - mais aussi de prendre en compte sa réputation historique et son potentiel que vous n'avez pas évalué correctement.

"Ainsi, par exemple, si vous observez quelqu'un se comporter mal, mais que vous pensiez qu'il était bon auparavant, vous gardez un esprit ouvert que vous n'avez peut-être pas vu correctement. Cela permet un calcul nuancé des mises à jour de la réputation", explique Morsky. Lui et ses collègues utilisent ce modèle pour voir comment les erreurs et le raisonnement affecteraient la perception et la dynamique sociale des villageois.

Les cinq normes sociales clés explorées par l'étude sont :la notation, l'évitement, la simple position debout, le maintien et le jugement sévère ; chacun affecte différemment la réputation et le comportement ultérieur des individus, modifiant les résultats évolutifs des stratégies coopératives.

"Dans certains scénarios, notamment dans le cadre du Scoring, le raisonnement bayésien a amélioré la coopération, dit Morsky. "Mais dans d'autres normes, comme le jugement Stern, cela a généralement abouti à moins de coopération en raison de critères de jugement plus stricts."

Morsky explique que le système de notation applique une règle simple :il est bon de coopérer (donner) et mauvais de faire défection (ne pas donner), quelle que soit la réputation du destinataire. Alors que sous le jugement Stern, non seulement les actions des individus sont prises en compte, mais leurs décisions sont également évaluées de manière critique en fonction de la réputation du destinataire.

Dans le contexte du scénario des voisins curieux, si un villageois décide d'en aider un autre, cette action est notée positivement sous Score, indépendamment de qui reçoit l'aide ou de sa position dans le village. À l'inverse, dans le cadre du jugement Stern, si un villageois choisit d'aider quelqu'un ayant une mauvaise réputation, cela est noté négativement, disent les chercheurs.

Il ajoute que le manque de coopération était particulièrement évident dans les normes où le raisonnement bayésien conduisait à une moindre tolérance aux erreurs, ce qui pouvait exacerber les désaccords sur les réputations au lieu de les résoudre. Ceci, associé au fait que les humains ne pèsent pas toutes les informations pertinentes avant de décider avec qui travailler, a incité Akçay et Morsky à étudier d'autres modes de raisonnement.

Plus qu'une simple intuition

Alors qu'il travaillait dans le laboratoire d'Akçay, Morsky a recruté Neel Pandula, alors étudiant en deuxième année au lycée. "Nous nous sommes rencontrés dans le cadre du programme Penn Laboratory Experience in the Natural Sciences", explique Morsky. "À la lumière du modèle de raisonnement bayésien, Neel a proposé le raisonnement abductif comme une autre approche de la modélisation du raisonnement, et nous avons donc commencé à rédiger cet article pour le Journal of Theoretical Biology. , dont il est devenu le premier auteur."

Pandula, maintenant étudiant en première année au Collège des Arts et des Sciences, explique que lui et Morsky ont utilisé la théorie de Dempster-Shafer, un cadre probabiliste pour déduire les meilleures explications, pour constituer la base de leur approche.

"Ce qui est essentiel ici, c'est que la théorie de Dempter-Shafer permet un peu de flexibilité dans la gestion de l'incertitude et permet d'intégrer de nouvelles preuves dans les systèmes de croyance existants sans s'engager pleinement dans une seule hypothèse, à moins que les preuves ne soient solides", explique Pandula.

Par exemple, les chercheurs expliquent que, dans un village, voir une bonne personne aider une autre bonne personne correspond aux normes sociales et est facilement accepté par les observateurs. Cependant, si l’on voit un villageois connu comme mauvais aider une bonne personne, cela contredit ces normes, amenant les observateurs à remettre en question la réputation en cause ou l’exactitude de leur observation. Ensuite, ils utilisent les règles du raisonnement abductif, en particulier la théorie de Dempster-Shafer, en considérant les taux d'erreur et les comportements typiques pour déterminer la vérité la plus probable derrière l'action inattendue.

L'équipe prévoyait que le raisonnement abductif traiterait plus efficacement les erreurs dans les évaluations de réputation, en particulier dans les contextes publics où les individus peuvent subir des pressions d'une manière ou d'une autre, entraînant des divergences et des erreurs. Selon le Scoring et les autres normes, ils ont découvert que le raisonnement abductif pouvait mieux favoriser la coopération que le raisonnement bayésien dans les lieux publics.

Akçay dit qu'il a été un peu surpris de voir qu'en naviguant sur les réseaux sociaux, un « mécanisme de raisonnement cognitif « bon marché et paresseux » aussi simple s'avère efficace pour faire face aux défis associés à la réciprocité indirecte. »

Morsky note que dans les deux modèles, les chercheurs ont choisi de ne prendre en compte aucun coût lié à la charge cognitive. "On pourrait espérer qu'accomplir une tâche exigeante, comme se rappeler quels individus ont fait quoi et utiliser cela pour vous informer sur ce qu'ils sont susceptibles de faire ensuite, produirait un résultat positif et prosocial. Pourtant, même si vous faites cet effort sans coût, sous le régime bayésien, raisonnement, cela mine généralement la coopération. "

En guise de suivi, les chercheurs souhaitent explorer comment les méthodes de raisonnement à faible coût, comme le raisonnement abductif, peuvent être favorisées au cours de l’évolution dans des cercles sociaux plus vastes et plus complexes. Et ils souhaitent appliquer ces méthodes de raisonnement à d’autres systèmes sociaux.