Как предвзятость подтверждения помогает думать быстрее экспресс
Мы привыкли думать, что замечать только подтверждения своих догадок — это ошибка. Но недавние расчёты, вдохновлённые поведением волн, переворачивают этот взгляд. Оказывается, привычка искать знакомое — лучший способ уменьшить информационный шум (учёные называют его энтропией). Ещё Джон фон Нейман показал, что вероятности могут вести себя не как проценты, а как набегающие друг на друга волны.
Наш ум напоминает реку, которая с каждым разом углубляет промытое русло. Вода течёт по пути наименьшего сопротивления, и солнце освещает только знакомые берега. Без этой стратегии нам пришлось бы обрабатывать в сотни раз больше данных, чтобы не захлебнуться в информационном шуме. Это не слабость, а естественная экономия сил. Так природа помогает нам находить путь к смыслу в хаосе.
Оригинальная аннотация
как её написали авторы, на английском 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.
В квантовой вероятности шансы складываются не как проценты, а как волны: они могут усиливать или гасить друг друга.