XiaoMi-AI文件搜索系统
World File Search SystemTversky
社会科学走向量子：从量子视角解释人类的决策、认知偏见和达尔文选择
现在如何才能将其与社会科学联系起来？不确定的量子世界如何导致确定的经典世界（包括我们的社会生活）是一个难以理解且最难以理解的秘密之一，尤其是考虑到量子力学涵盖了经典物理学，而其实际适用性仅限于亚原子粒子。从量子世界到宏观现实的这一过程在物理科学中称为退相干（Zeh，1970）。如果社会生活不是由经典世界决定，而是由波函数形式的量子决定，会怎样？这（社会生活）还包括经济学及其研究领域，例如决策理论。本文特别关注的是包括认知偏见在内的心理决策理论，该理论从根本上是由诺贝尔奖获得者行为经济学家卡尼曼和特沃斯基 (Tversky & Kahn eman, 1973 , 1974 , 1983 ; Kahneman & Tversky, 1979 , 1984 ; Kahneman, 2011 ) 塑造的。除了认知偏见这一特点之外，人类的决策行为总体上也应该从量子达尔文主义的角度来看待，以期设计一种新的决策行为量子模型。因此，研究问题如下：首先，量子物理学的发现如何转移到社会科学 (包括经济学)，会产生哪些新的视角？其次，如何从量子物理学的角度对 (行为) 决策理论进行不同的解释？第三，量子达尔文主义的视角如何完善人类的决策行为？
我们学到多少？测量通过选择与贝叶斯更新的对称和不对称偏差
ilke aydogan：i.aydogan@ieseg.fraurélienbaillon：baillon@em-lyon.com emmanuel kemel：emmanuel.kemel@gemel@greg-hec.com chen li：c.li@ese@ese.eur.nl，我们感谢Peter Wakker和Han Bleichrodt和Han Bleichrodt的帮助和讨论。Baillon承认NWO Vidi Grant 452-13-013的财务支持。Aydogan承认该地区Haut-De-France（2021.00865 Clam）和欧盟的Horizon Horizon Europe Research and Innovation计划，根据Grant协议（101056891具有能力）。li感谢NWO Veni Grant VI.Veni.191E.024的财务支持。1 See, for instance, Phillips and Edwards ( 1966 ), Edwards ( 1968 ), Tversky and Kahneman ( 1974 ), El-Gamal and Grether ( 1995 ), Oswald and Grosjean ( 2004 ), Möbius, Niederle, Niehaus, and Rosenblat ( 2022 ), Bén- abou and Tirole ( 2016 ), Ambuehl and Li ( 2018 ).
经济理论及其相互对立的解释
3 最有名的替代标准理论的竞争者可以说是卡尼曼和特沃斯基的前景理论。然而，这一理论也经过了修改和完善，对于所谓的“理论”的功能形式，并没有达成共识。有关正在进行的辩论，请参阅 Bernheim 和 Sprenger (2020) 以及 Abdellaoui 等人 (2020)，他们批评了前一篇论文，但也承认累积前景理论存在许多描述性缺陷。同样，半双曲线消费随时间变化的模型也因其经验上的缺陷而受到批评（Benhabib 等人，2010 年）。最后，许多实验结果似乎过于脆弱，无法作为稳健理论的基础（例如，参见 Grimm 和 Mengel (2010) 关于最后通牒博弈的论文，以及 Hertwig、Barron、Weber 和 Erev (2004) 关于小概率的作用的论文）。
为何国际关系学者应该关心量子理论（第一部分）
摘要 在科学中，如何分配举证责任对新知识的发展有着重要影响。通常，举证责任在于新理论，以证明其相对于被认为是既定且稳固的默认知识基线的价值。然而，在经典社会科学与量子社会科学的对比中，事情并非如此简单，因为长期存在的经典默认本身已经无法通过关键测试，这促使人们转而寻求量子解决方案。因此，本文的第一部分试图通过强调迄今为止关于心灵和社会的经典思想的两个重大局限性，来“重新平衡”对量子思维和社会科学的批评，即在宇宙中为意识寻找一席之地的哲学问题，以及解释心理学中卡尼曼-特沃斯基异常的科学问题。承认这些悬而未决的问题并不能使举证责任相等，但这确实意味着，当我们进入第二部分更实质性的讨论时，不存在安全的默认立场。到处都是举证责任。
人工智能系统中的行为和偏好操纵问题
简介现代社会中数据收集可能性的增加意味着统计人工智能 (AI) 或机器学习 (ML) 通常用于了解用户的偏好，以便更好地（有时是为了用户，有时是为了系统所有者）为他们提供某些服务。偏好可以通过直接询问受试者（陈述偏好）来直接了解，也可以通过称为显示偏好理论 (RPT) (Varian 2006) 的过程推断出来。这两种方法都存在一系列局限性，这些局限性已被实验经济学家和心理学家随着时间的推移所证明。一组限制大致属于“非理性”行为或信念的范畴。例如，Gui、Shanahan 和 Tsay-Vogel (2021) 讨论了用户在平衡相互冲突的短期和长期偏好时行为不一致的现象。偏好在不同情境之间可能不是静态的；群体内人士的社会规范（Cialdini 和 Trost 1998）可能与他们通过数字行为显露的个人偏好相悖。不同情况下的多种偏好的存在提出了一个问题：决策者应该选择行为中“显露”的哪种偏好作为“真实”偏好或“规范”偏好（Beshears 等人 2008）。决策者也可能会犯错误（Nishimura 2018），容易受到各种环境影响，如框架（Tversky 和
延伸心灵
我们的文化坚持认为大脑是思考的唯一场所，是一个封闭的空间，认知在此发生，就像我的笔记本电脑的工作原理被密封在铝制外壳内一样。这本书却持相反观点：它认为思维更像是我在散步时看到的筑巢鸟，在这里拔一根绳子，在那里拔一根树枝，用可用的部分构建一个整体。对于人类来说，这些部分最显著地包括我们身体的感觉和运动；我们学习和工作的物理空间；以及我们与之互动的其他思想——我们的同学、同事、老师、主管、朋友。有时，这三个元素会以特别巧妙的方式结合在一起，就像阿莫斯·特沃斯基和丹尼尔·卡尼曼这对才华横溢的智力团队所做的那样。这两位心理学家在耶路撒冷熙熙攘攘的街道上或加州海岸连绵起伏的山丘上，一起交谈和散步，开展了关于启发式和偏见（人类思维习惯的捷径和扭曲）的开创性工作。卡尼曼说：“我和阿莫斯悠闲散步时，做出了一生中最精彩的思考。”
特邀评论：行为策略：（重新）确认基础
1. 特刊介绍 Powell 等人 (2011) 的里程碑式工作确立了管理学和组织学中一个全新研究领域的界限：行为策略。行为策略“将认知和社会心理学与战略管理理论与实践相结合。行为策略旨在将关于人类认知、情感和社会行为的现实假设带入组织的战略管理，从而丰富战略理论、实证研究和现实世界的实践” (Powell，2011，第 1371 页)。这一领域牢固地扎根于一些宏大学者的关键社会和认知心理学假设 (Cristofaro，2017a；Abatecola 和 Cristofaro，2020；Urío 等人，2022) 中，例如：Barnard (1938) 关于他的“逻辑和非科学推理”； Cyert 和 March (1963) 的“企业行为理论”和“主导联盟”概念、Kahneman 的“前景理论”（Kahneman and Tversky，1979）和“启发式和偏见”计划（Kahneman，2011）、Hambrick 和 Mason (1984) 将组织视为其高层管理团队的反映的观点、以及 Thaler (1999) 的“助推理论”和“心理账户”概念。首先，有必要回顾 Simon (1957) 的“有限理性”概念，该概念与战略概念相结合，可描述如下：
The-Extended-Mind-2-Free-Chapters.pdf
关于人类认知的研究著作很多，提出了许多理论，开展了许多研究（其中包括特沃斯基和卡尼曼的研究）。这些努力产生了无数富有启发性的见解，但它们都受到思考只发生在大脑内部这一假设的限制。人们很少关注人们利用世界进行思考的方式：手势、速写本的空间、听别人讲故事的行为或教别人的任务。这些“神经外”输入改变了我们的思维方式；甚至可以说，它们构成了思维过程本身的一部分。但这种认知模式的编年史在哪里呢？我们的科学期刊大多从这样的前提出发，即精神器官是一个无形的、无位置的、非社会性的实体，是一个“缸中之脑”；我们的历史书编造出的故事将改变世界的突破归功于那些独立思考伟大思想的个人。然而，我们面前一直存在着一个平行的故事——一种大脑之外的思考秘史。科学家、艺术家、作家、领导者、发明家、企业家：他们都将世界作为他们思维的原材料。本书旨在挖掘这段隐藏的传奇，在人类如何实现其非凡的智慧和创造力的全面叙述中重新获得其应有的地位。
基于DenseNet的多模态脑肿瘤图像分割
脑肿瘤磁共振图像处理算法可以帮助医生对患者病情进行诊断和治疗，在临床医学中有着重要的应用意义。针对传统U-net网络中多模态脑肿瘤图像分割中类别不平衡以及特征融合导致有效信息特征丢失的问题，本文提出一种基于U-net与DenseNet结合的网络模型。将原网络上编码路径和解码路径的标准卷积块改进为dense块，增强特征的传递；采用二元交叉熵损失函数与Tversky系数组成的混合损失函数取代原来的单一交叉熵损失，抑制了不相关特征对分割精度的影响。与U-Net、U-Net++、PA-Net相比，本文算法的分割精度有明显提升，在WT、TC、ET的Dice系数指标上分别达到0.846、0.861、0.782。 PPV系数指标分别达到了0.849、0.883、0.786；与传统U-net网络相比，所提算法的Dice系数指标分别提高了0.8%、4.0%、1.4%，且在肿瘤核心区域和肿瘤增强区域的PPV系数指标分别提高了3%、1.2%；所提算法在肿瘤核心区域分割性能最优，其Sensitivity指标达到了0.924，具有很好的研究意义和应用价值。