Comment le biais de confirmation aide à penser plus vite express
Nous avons l'habitude de penser que ne remarquer que les confirmations de nos intuitions est une erreur. Mais des calculs récents, inspirés par le comportement des vagues, renversent ce point de vue. Il s'avère que l'habitude de chercher ce qui est familier est le meilleur moyen de réduire le bruit informationnel (les scientifiques l'appellent entropie). John von Neumann a déjà montré que les probabilités peuvent se comporter non pas comme des pourcentages, mais comme des vagues qui se chevauchent.
Notre esprit ressemble à une rivière qui, à chaque passage, creuse un peu plus son lit. L'eau suit le chemin de moindre résistance, et le soleil n'éclaire que les rives familières. Sans cette stratégie, nous devrions traiter des centaines de fois plus de données pour ne pas nous noyer dans le bruit informationnel. Ce n'est pas une faiblesse, mais une économie naturelle d'efforts. C'est ainsi que la nature nous aide à trouver un chemin vers le sens dans le chaos.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2606.23325
In this paper, the phenomenon generally classified as confirmation bias is formulated on the space of square-root probabilities (or equivalently, using the structures of quantum probability). In this framework, observations are modelled by matrices, rather than random variables on a probability space. In the problem of binary hypothesis testing, an optimal evidence choice minimises the expected error probability. We show that the resulting optimal choice of evidence leads to a confirmation bias, thus revealing a surprising aspect of rationality that encompasses confirmation bias. Specifically, in sequential evidence sampling, the implicit optimality leads to two remarkable evolutionary advantages, namely, (a) the decision maker requires only the smallest memory capacity, and (b) the error probability can be reduced exponentially in sample size. A complementary approach based on the framework of active inference -- where the decision maker seeks evidence that provides maximum information -- is then considered. The resulting optimal evidence is shown to agree with the one obtained by minimising error probability. Our framework provides an easy-to-implement protocol for an active quantum inference, whereby the optimal evidence choice for making an inference is sought over the space of matrices.
En probabilité quantique, les chances ne s'additionnent pas comme des pourcentages, mais comme des vagues : elles peuvent se renforcer ou s'annuler mutuellement.