Η νευροεπιστήμη πίσω από τις κακές αποφάσεις
Οι άνθρωποι συχνά παίρνουν κακές αποφάσεις. Αν σας αρέσει το Snickers περισσότερο από το Milky Way, φαίνεται προφανές ποια ζαχαροπλαστική θα διαλέγατε, με την επιλογή των δύο. Τα παραδοσιακά οικονομικά μοντέλα ακολουθούν αυτή τη λογική διαίσθηση, υποδεικνύοντας ότι οι άνθρωποι αποδίδουν μια τιμή σε κάθε επιλογή — ας πούμε, Snickers:10, Milky Way:5 — και επιλέγουν τον πρώτο σκόρερ. Αλλά το σύστημα λήψης αποφάσεων μας υπόκειται σε δυσλειτουργίες.
Σε ένα πρόσφατο πείραμα, ο Paul Glimcher, ένας νευροεπιστήμονας στο Πανεπιστήμιο της Νέας Υόρκης, και οι συνεργάτες του ζήτησαν από τους ανθρώπους να επιλέξουν ανάμεσα σε μια ποικιλία από ζαχαρωτά, συμπεριλαμβανομένου του αγαπημένου τους - ας πούμε, ενός Snickers. Αν προσφερόταν ένα Snickers, ένα Milky Way και ένα Almond Joy, οι συμμετέχοντες θα επέλεγαν πάντα το Snickers. Αλλά αν τους πρόσφεραν 20 ζαχαρωτά, συμπεριλαμβανομένου ενός Snickers, η επιλογή έγινε λιγότερο σαφής. Μερικές φορές διάλεγαν κάτι διαφορετικό από τους Snickers, παρόλο που ήταν ακόμα το αγαπημένο τους. Όταν ο Glimcher αφαιρούσε όλες τις επιλογές εκτός από τα Snickers και την επιλεγμένη καραμέλα, οι συμμετέχοντες θα αναρωτιόντουσαν γιατί δεν είχαν επιλέξει το αγαπημένο τους.
Οι οικονομολόγοι έχουν ξοδέψει περισσότερα από 50 χρόνια καταλογίζοντας παράλογες επιλογές όπως αυτές. Τα βραβεία Νόμπελ έχουν κερδίσει. εκατομμύρια αντίγραφα του Freakonomics έχουν πουληθεί. Αλλά οι οικονομολόγοι εξακολουθούν να μην είναι σίγουροι γιατί συμβαίνουν. «Υπήρχε μια πραγματική βιομηχανία εξοχικών σπιτιών για το πώς να τις εξηγήσω και πολλές προσπάθειες για να εξαφανιστούν», είπε ο Έρικ Τζόνσον, ψυχολόγος και συνδιευθυντής του Κέντρου Επιστημών Αποφάσεων στο Πανεπιστήμιο Κολούμπια. Αλλά καμία από τις μισές περίπου εξηγήσεις δεν είναι ξεκάθαρος νικητής, είπε.
Τα τελευταία 15 με 20 χρόνια, οι νευροεπιστήμονες έχουν αρχίσει να κοιτάζουν απευθείας στον εγκέφαλο αναζητώντας απαντήσεις. «Γνωρίζοντας κάτι σχετικά με τον τρόπο με τον οποίο αναπαριστώνται οι πληροφορίες στον εγκέφαλο και τις υπολογιστικές αρχές του εγκεφάλου, σας βοηθά να κατανοήσετε γιατί οι άνθρωποι λαμβάνουν αποφάσεις με τον τρόπο που κάνουν», δήλωσε η Angela Yu, θεωρητική νευροεπιστήμονας στο Πανεπιστήμιο της Καλιφόρνια, στο Σαν Ντιέγκο.
Ο Glimcher χρησιμοποιεί τόσο τον εγκέφαλο όσο και τη συμπεριφορά για να προσπαθήσει να εξηγήσει τον παραλογισμό μας. Συνδύασε αποτελέσματα από μελέτες όπως το πείραμα με καραμέλα με δεδομένα νευροεπιστήμης - μετρήσεις της ηλεκτρικής δραστηριότητας στον εγκέφαλο των ζώων καθώς παίρνουν αποφάσεις - για να αναπτύξει μια θεωρία για το πώς παίρνουμε αποφάσεις και γιατί αυτό μπορεί να οδηγήσει σε λάθη.
Ο Glimcher υπήρξε μια από τις κινητήριες δυνάμεις στον ακόμη νέο τομέα της νευροοικονομικής. Η θεωρία του συνδυάζει εκτεταμένη έρευνα στη δραστηριότητα του εγκεφάλου, τα νευρωνικά δίκτυα, το fMRI και την ανθρώπινη συμπεριφορά. «Είναι διάσημος για το επιχείρημα ότι η νευροεπιστήμη και η οικονομία πρέπει να συνδυαστούν», δήλωσε ο Nathaniel Daw, νευροεπιστήμονας στο Πανεπιστήμιο του Πρίνστον. Μία από τις πιο σημαντικές συνεισφορές του Glimcher, είπε ο Daw, ήταν να βρει πώς να ποσοτικοποιήσει αφηρημένες έννοιες όπως η αξία και να τις μελετήσει στο εργαστήριο.
Σε ένα νέο έγγραφο εργασίας, Ο Glimcher και οι συν-συγγραφείς του - Kenway Louie, επίσης από το NYU, και Ryan Webb από το Πανεπιστήμιο του Τορόντο - υποστηρίζουν ότι το μοντέλο τους που βασίζεται στη νευροεπιστήμη ξεπερνά την τυπική οικονομική θεωρία στο να εξηγεί πώς συμπεριφέρονται οι άνθρωποι όταν αντιμετωπίζουν πολλές επιλογές. "Το νευρωνικό μοντέλο, που περιγράφεται στη βιολογία και δοκιμάστηκε σε νευρώνες, λειτουργεί καλά για να περιγράψει κάτι που οι οικονομολόγοι δεν μπορούσαν να εξηγήσουν", είπε ο Glimcher.
Στον πυρήνα του μοντέλου βρίσκεται η ακόρεστη όρεξη του εγκεφάλου. Ο εγκέφαλος είναι ο πιο ακριβός μεταβολικά ιστός στο σώμα. Καταναλώνει το 20 τοις εκατό της ενέργειάς μας παρόλο που καταλαμβάνει μόνο το 2 έως 3 τοις εκατό της μάζας μας. Επειδή οι νευρώνες είναι τόσο διψασμένοι για ενέργεια, ο εγκέφαλος είναι ένα πεδίο μάχης όπου η ακρίβεια και η αποτελεσματικότητα είναι αντίπαλοι. Ο Glimcher υποστηρίζει ότι το κόστος της ενίσχυσης της ακρίβειας λήψης αποφάσεων υπερτερεί των οφελών. Έτσι, μας αφήνουν να μπερδευτούμε από τις επιλογές του σύγχρονου αμερικανικού διαδρόμου δημητριακών.
Η πρόταση του Glimcher έχει προσελκύσει το ενδιαφέρον τόσο από οικονομολόγους όσο και από νευροεπιστήμονες, αλλά δεν πωλούνται όλοι. «Νομίζω ότι είναι συναρπαστικό, αλλά σε αυτό το σημείο παραμένει μια υπόθεση», δήλωσε ο Camillo Padoa-Schioppa, νευροεπιστήμονας στο Πανεπιστήμιο της Ουάσιγκτον στο Σεντ Λούις. Η νευροοικονομία είναι ακόμα ένας νέος τομέας. Οι επιστήμονες δεν συμφωνούν καν για το ποιο μέρος του εγκεφάλου λαμβάνει αποφάσεις, πόσο μάλλον πώς.
Μέχρι στιγμής, ο Glimcher έχει δείξει ότι η θεωρία του λειτουργεί κάτω από συγκεκριμένες συνθήκες, όπως αυτές του πειράματος του candy bar. Στόχος του είναι να επεκτείνει αυτό το εύρος, αναζητώντας άλλα λάθη της Freakonomics και χρησιμοποιώντας τα για να δοκιμάσει το μοντέλο του. «Στοχεύουμε σε μια μεγάλη ενοποιημένη θεωρία επιλογής», είπε.
Διαίρει και βασίλευε
Ο εγκέφαλος είναι ένα όργανο που διψά για δύναμη. Οι νευρώνες στέλνουν συνεχώς ο ένας στον άλλο πληροφορίες με τη μορφή ηλεκτρικών παλμών, γνωστών ως αιχμές ή δυναμικά δράσης. Όπως και με μια ηλεκτρική έκρηξη, η προετοιμασία και η εκτόξευση αυτών των σημάτων απαιτεί πολλή ενέργεια.
Στη δεκαετία του 1960, οι επιστήμονες πρότειναν ότι ο εγκέφαλος αντιμετώπισε αυτή την πρόκληση κωδικοποιώντας πληροφορίες όσο το δυνατόν πιο αποτελεσματικά, ένα μοντέλο που ονομάζεται υπόθεση αποτελεσματικής κωδικοποίησης. Προβλέπει ότι οι νευρώνες θα κωδικοποιούν δεδομένα χρησιμοποιώντας τις λιγότερες δυνατές αιχμές, ακριβώς όπως τα δίκτυα επικοινωνίας προσπαθούν να μεταδώσουν πληροφορίες με τα λιγότερα bit.
Στα τέλη της δεκαετίας του 1990 και στις αρχές της δεκαετίας του 2000, οι επιστήμονες έδειξαν ότι αυτή η αρχή ισχύει πράγματι στο οπτικό σύστημα. Ο εγκέφαλος κωδικοποιεί αποτελεσματικά τον οπτικό κόσμο αγνοώντας προβλέψιμες πληροφορίες και εστιάζοντας στα εκπληκτικά πράγματα. Εάν ένα μέρος ενός τοίχου είναι κίτρινο, το πιθανότερο είναι ότι το υπόλοιπο είναι επίσης κίτρινο, και οι νευρώνες μπορούν να γυαλίσουν τις λεπτομέρειες αυτού του τμήματος. Αλλά μια τεράστια κόκκινη κηλίδα στον τοίχο είναι απροσδόκητη και οι νευρώνες θα δώσουν ιδιαίτερη προσοχή σε αυτήν.
Ο Glimcher προτείνει ότι ο μηχανισμός λήψης αποφάσεων του εγκεφάλου λειτουργεί με τον ίδιο τρόπο. Φανταστείτε ένα απλό σενάριο λήψης αποφάσεων:μια μαϊμού να επιλέγει ανάμεσα σε δύο φλιτζάνια χυμό. Για λόγους απλότητας, υποθέστε ότι ο εγκέφαλος του πιθήκου αντιπροσωπεύει κάθε επιλογή με έναν μόνο νευρώνα. Όσο πιο ελκυστική είναι η επιλογή, τόσο πιο γρήγορα ενεργοποιείται ο νευρώνας. Στη συνέχεια, ο πίθηκος συγκρίνει τους ρυθμούς πυροδότησης νευρώνων για να κάνει την επιλογή του.
Το πρώτο πράγμα που κάνει ο πειραματιστής είναι να προσφέρει στη μαϊμού μια εύκολη επιλογή:ένα κουταλάκι του γλυκού λαχταριστό χυμό έναντι μιας ολόκληρης κανάτας. Ο νευρώνας του κουταλιού του γλυκού μπορεί να εκτοξεύει μία ακίδα ανά δευτερόλεπτο ενώ ο νευρώνας κανάτας πυροδοτεί 100 αιχμές ανά δευτερόλεπτο. Σε αυτήν την περίπτωση, είναι εύκολο να πούμε τη διαφορά μεταξύ των δύο επιλογών. Ο ένας νευρώνας ακούγεται σαν ένα ρολόι που χτυπάει, ο άλλος τα φτερά μιας λιβελλούλης που χτυπούν.
Η κατάσταση γίνεται μπερδεμένη όταν στη συνέχεια προσφέρεται στον πίθηκο η επιλογή ανάμεσα σε μια γεμάτη κανάτα με χυμό και μια που είναι σχεδόν γεμάτη. Ένας νευρώνας μπορεί να αντιπροσωπεύει αυτή τη νέα προσφορά με 80 αιχμές ανά δευτερόλεπτο. Είναι πολύ πιο δύσκολο για τον πίθηκο να διακρίνει έναν νευρώνα που εκτοξεύει 80 αιχμές ανά δευτερόλεπτο και 100 αιχμές ανά δευτερόλεπτο. Είναι σαν να λες τη διαφορά μεταξύ του φτερουγίσματος της λιβελλούλης και του βουητού μιας ακρίδας.
Ο Glimcher προτείνει ότι ο εγκέφαλος αποφεύγει αυτό το πρόβλημα βαθμονομώντας εκ νέου την κλίμακα για να αναπαραστήσει καλύτερα τη νέα επιλογή. Ο νευρώνας που αντιπροσωπεύει τη σχεδόν γεμάτη κανάτα - τώρα η χειρότερη από τις δύο επιλογές - μειώνεται σε πολύ χαμηλότερο ρυθμό πυροδότησης. Για άλλη μια φορά είναι εύκολο για τον πίθηκο να διαφοροποιήσει τις δύο επιλογές.
Το μοντέλο του Glimcher, που βασίζεται σε ένα προηγούμενο μοντέλο γνωστό ως διαιρετική κανονικοποίηση, περιγράφει τα μαθηματικά πίσω από αυτή τη διαδικασία επαναβαθμονόμησης. Προτείνει ότι οι νευρώνες μπορούν να στείλουν πιο αποτελεσματικά μηνύματα εάν κωδικοποιούν στην ακολουθία αιχμών τους μόνο τις σχετικές διαφορές μεταξύ των επιλογών. «Τα σύνολα επιλογής έχουν πολλές κοινές πληροφορίες. δεν είναι τυχαίες και ανεξάρτητες», είπε ο Glimcher. «Η κανονικοποίηση απομυζεί περιττές πληροφορίες, έτσι ώστε οι πληροφορίες που βγαίνουν να είναι όσο το δυνατόν πιο σχετικές, σπαταλώντας όσο το δυνατόν λιγότερη ενέργεια». Σημειώνει ότι οι μηχανικοί, που έχουν συνηθίσει να εργάζονται με προσαρμοστικά συστήματα, δεν εκπλήσσονται από αυτή την ιδέα. Αλλά οι άνθρωποι που μελετούν συχνά την επιλογή είναι.
Σύμφωνα με τον Daw, «Αυτό που είναι σπουδαίο για την ομαλοποίηση διχασμού είναι ότι παίρνει αυτές τις αρχές που γνωρίζουμε από το όραμα και τις εφαρμόζει στην αξία με τρόπους που έχουν νόημα, αλλά είναι εκτός πλαισίου».
Το παραπάνω παράδειγμα χυμού είναι θεωρητικό, αλλά ο Glimcher και οι συνεργάτες του έχουν καταγράψει ηλεκτρική δραστηριότητα από τον εγκέφαλο των πιθήκων καθώς κάνουν διαφορετικά είδη επιλογών. Αυτές οι μελέτες δείχνουν ότι οι νευρώνες λήψης αποφάσεων συμπεριφέρονται όπως προβλέπει το μοντέλο. Αν οι επιστήμονες αυξήσουν την αξία μιας επιλογής, που ισοδυναμεί με το να ανταλλάξουν έναν τόσο πολύ Γαλαξία με ένα νόστιμο Snickers, οι νευρώνες που αντιπροσωπεύουν αυτή την επιλογή αυξάνουν τον ρυθμό πυροδότησης τους. (Οι επιστήμονες γνώριζαν ήδη αυτό το μοτίβο.)
Εάν αυξήσετε την τιμή των άλλων επιλογών - king-size τις επιλογές που δεν είναι Snickers, που μειώνουν τη σχετική τιμή των Snickers - το μοντέλο προβλέπει ότι ο ρυθμός πυροδότησης του θα μειωθεί. Ο Glimcher και οι συνεργάτες του έχουν δείξει ότι οι νευρώνες σε τμήμα του εγκεφάλου που ονομάζεται βρεγματικός φλοιός συμπεριφέρονται πράγματι με αυτόν τον τρόπο, προσθέτοντας φυσιολογική υποστήριξη για το μοντέλο. "Η διαιρετική συνάρτηση κανονικοποίησης έκανε εξαιρετική δουλειά στην περιγραφή των δεδομένων σε όλες τις συνθήκες", είπε ο Glimcher. "Υποστηρίζει την ιδέα ότι οι νευρώνες κάνουν κάτι πανομοιότυπο με τη διαιρετική ομαλοποίηση, ή πολύ κοντά σε αυτό."
Το σύστημα λειτουργεί καλά τις περισσότερες φορές. Αλλά ακριβώς όπως η προσωρινή τύφλωση που βιώνουμε όταν βγαίνουμε από έναν σκοτεινό κινηματογράφο σε έντονο ηλιακό φως, ο μηχανισμός λήψης αποφάσεων μπορεί μερικές φορές να κατακλυστεί. Αυτό μπορεί να ισχύει ιδιαίτερα με την εκπληκτική ποικιλία επιλογών που αντιμετωπίζουμε συχνά στον σύγχρονο κόσμο. Ο Glimcher και οι συνεργάτες του χρησιμοποιούν τέτοιου είδους λάθη για να δοκιμάσουν το μοντέλο τους. Οι ερευνητές εξετάζουν τώρα εάν αυτοί οι ίδιοι αλγόριθμοι μπορούν να προβλέψουν το ανθρώπινο λάθος σε άλλα σενάρια στα οποία οι άνθρωποι τείνουν να κάνουν κακές επιλογές.
Οικονομική εξέγερση
Η νευροοικονομία είναι ακόμα ένας νέος τομέας, γεμάτος ερωτήματα και διαμάχες. Ο Glimcher δεν είναι ο μόνος νευροεπιστήμονας που έχει βρει σημάδια οικονομικής αξίας στον εγκέφαλο. Οι επιστήμονες έχουν μετρήσει αυτές τις νευρικές υπογραφές σε διαφορετικές περιοχές του εγκεφάλου, χρησιμοποιώντας τόσο μη επεμβατική απεικόνιση εγκεφάλου σε ανθρώπους όσο και άμεσες εγκεφαλικές εγγραφές σε ζώα. Αλλά οι ερευνητές διαφωνούν σχετικά με το ποιο μέρος του εγκεφάλου παίρνει την πραγματική απόφαση. Ποιο μέρος του εγκεφάλου υπολογίζει ότι η μπάρα Snickers είναι υψηλότερη από το Milky Way; «Δεν υπάρχει ενιαία αποδεκτή ιδέα για το πού και πώς λαμβάνονται οι αποφάσεις — η σύγκριση των αξιών —», είπε ο Padoa-Schioppa.
Τα πειράματα νευρωνικής καταγραφής του Glimcher πραγματοποιήθηκαν στον βρεγματικό φλοιό, αλλά η Padoa-Schioppa είναι «δύσπιστη ότι ο βρεγματικός φλοιός έχει οποιαδήποτε σχέση με οικονομικές αποφάσεις». Η καταστροφή του βρεγματικού φλοιού δεν βλάπτει τις επιλογές που βασίζονται στην αξία, είπε, ενώ βλάπτει τον μετωπιαίο λοβό. Για αυτόν τον λόγο, η Padoa-Schioppa είναι κάπως αμφίβολη για το μοντέλο του Glimcher. Όταν πρόκειται για ένα μοντέλο επιλογής που βασίζεται στη νευροεπιστήμη, "σε αυτό το σημείο, κανείς δεν έχει μια συναρπαστική θεωρία", είπε η Padoa-Schioppa.
Σε άλλους επιστήμονες αρέσει η γενική έννοια της διαιρετικής ομαλοποίησης, αλλά προτείνουν ότι μπορεί να βελτιωθεί ώστε να ληφθούν υπόψη πιο περίπλοκες πτυχές της ανθρώπινης λήψης αποφάσεων. Ο Yu, για παράδειγμα, λέει ότι λειτουργεί καλά για απλές αποφάσεις, αλλά μπορεί να παραπαίει κάτω από πιο περίπλοκες συνθήκες. «Το μοντέλο διαιρετικής κανονικοποίησης έχει νόημα, αλλά το πειραματικό περιβάλλον στο οποίο διερευνούσαν τη λήψη αποφάσεων είναι πολύ απλοϊκό», είπε ο Yu. "Για να λάβουμε υπόψη το ευρύτερο φάσμα φαινομένων στη λήψη αποφάσεων από τον άνθρωπο, πρέπει να επεκτείνουμε το μοντέλο και να εξετάσουμε πιο περίπλοκα σενάρια λήψης αποφάσεων."
Το διχαστικό πλαίσιο κανονικοποίησης προέκυψε από την εργασία στο οπτικό σύστημα. Ο Yu προτείνει ότι η εφαρμογή του στη λήψη αποφάσεων είναι πιο περίπλοκη. Οι επιστήμονες γνωρίζουν πολλά για τις πληροφορίες που προσπαθεί να κωδικοποιήσει το οπτικό σύστημα:μια δισδιάστατη σκηνή ζωγραφισμένη με χρώμα, φως και σκιά. Οι φυσικές σκηνές συμμορφώνονται με ένα σύνολο γενικών, εύκολων στον υπολογισμό ιδιοτήτων που μπορεί να χρησιμοποιήσει ο εγκέφαλος για να φιλτράρει περιττές πληροφορίες. Με απλά λόγια, εάν ένα εικονοστοιχείο είναι πράσινο, τα γειτονικά του pixel είναι πιο πιθανό να είναι πράσινα παρά κόκκινα.
Αλλά το σύστημα λήψης αποφάσεων λειτουργεί κάτω από πιο σύνθετους περιορισμούς και πρέπει να λάβει υπόψη πολλούς διαφορετικούς τύπους πληροφοριών. Για παράδειγμα, ένα άτομο μπορεί να επιλέξει ποιο σπίτι θα αγοράσει ανάλογα με την τοποθεσία, το μέγεθος ή το στυλ του. Αλλά η σχετική σημασία καθενός από αυτούς τους παράγοντες, καθώς και η βέλτιστη αξία τους - πόλη ή προάστια, βικτωριανή ή μοντέρνα - είναι θεμελιωδώς υποκειμενική. Διαφέρει από άτομο σε άτομο και μπορεί ακόμη και να αλλάξει για ένα άτομο ανάλογα με το στάδιο της ζωής του. «Δεν υπάρχει ούτε μία απλή, εύκολη στη μέτρηση μαθηματική ποσότητα, όπως ο πλεονασμός, στην οποία οι επιστήμονες αποφάσεων συμφωνούν παγκοσμίως ως βασικός παράγοντας για τη σύγκριση των ανταγωνιστικών εναλλακτικών λύσεων», είπε ο Yu.
Υποδεικνύει ότι η αβεβαιότητα σχετικά με το πώς εκτιμούμε τις διαφορετικές επιλογές βρίσκεται πίσω από ορισμένες από τις κακές μας αποφάσεις. «Αν έχετε αγοράσει πολλά σπίτια, θα αξιολογείτε τα σπίτια διαφορετικά από ό,τι αν αγοράζατε για πρώτη φορά σπίτι», είπε ο Yu. "Ή εάν οι γονείς σας αγόρασαν ένα σπίτι κατά τη διάρκεια της στεγαστικής κρίσης, μπορεί αργότερα να επηρεάσει τον τρόπο με τον οποίο αγοράζετε ένα σπίτι."
Επιπλέον, υποστηρίζει ο Yu, τα οπτικά συστήματα και τα συστήματα λήψης αποφάσεων έχουν διαφορετικούς τελικούς στόχους. «Η όραση είναι ένα αισθητηριακό σύστημα του οποίου η δουλειά είναι να ανακτήσει όσο το δυνατόν περισσότερες πληροφορίες από τον κόσμο», είπε. «Η λήψη αποφάσεων είναι να προσπαθείς να πάρεις μια απόφαση που θα απολαμβάνεις. Νομίζω ότι ο υπολογιστικός στόχος δεν είναι απλώς η πληροφόρηση, είναι κάτι πιο σχετικό από πλευράς συμπεριφοράς, όπως η απόλυτη απόλαυση."
Για πολλούς από εμάς, το κύριο μέλημα σχετικά με τη λήψη αποφάσεων είναι πρακτικό — πώς μπορούμε να πάρουμε καλύτερες αποφάσεις; Ο Glimcher είπε ότι η έρευνά του τον βοήθησε να αναπτύξει συγκεκριμένες στρατηγικές. «Αντί να επιλέγω αυτό που ελπίζω να είναι το καλύτερο, αντίθετα, τώρα ξεκινάω πάντα εξαλείφοντας το χειρότερο στοιχείο από ένα σύνολο επιλογών», είπε, μειώνοντας τον αριθμό των επιλογών σε κάτι διαχειρίσιμο, όπως τρεις. «Βρίσκω ότι αυτό λειτουργεί πραγματικά και προκύπτει από τη μελέτη μας στα μαθηματικά. Μερικές φορές μαθαίνεις κάτι απλό από τα πιο περίπλοκα πράγματα και μπορεί πραγματικά να βελτιώσει τη λήψη αποφάσεων.»
Σημείωση:Αυτό το άρθρο ενημερώθηκε την 1η Σεπτεμβρίου 2016, για να διευκρινιστεί ότι το μοντέλο του Glimcher προήλθε από ένα παλαιότερο μοντέλο που ονομάζεται διαιρετική κανονικοποίηση.
