算法驱动的人类决策偏好：规律性吸引对选择行为的非理性影响及其机制研究

为探究人类决策中规律性偏好的非理性机制，Haran Shani-Narkiss等研究者开发了RaCaS（Regularity as Carrot and Stick）算法，通过动态分配奖励诱导参与者偏好规律性选项。结果表明，尽管规律性不增加实际收益，决策者仍以2:1比例偏向规律选项（Bias+），揭示了传统强化学习模型的局限性。该研究为行为经济学和决策科学提供了新视角，发表于《Nature Communications》。

　　

在当今行为经济学和认知科学领域，人类决策机制的研究始终充满挑战。传统理论认为，人们会理性地通过强化学习（Reinforcement Learning, RL）最大化收益，但越来越多的证据表明，非理性因素如规律性偏好（attraction to regularity）可能主导选择行为。这一现象在现实场景中尤为关键——从社交媒体算法设计到政策“助推”（nudging）的伦理争议，理解规律性如何扭曲决策具有重要科学和社会意义。然而，直接证明规律性本身具有强化价值的研究稀缺，且现有“助推”干预的效果常被高估（Cohen's d=0.04）。

针对这一空白，以色列的研究团队Haran Shani-Narkiss^D1、Baruch Eitam²²和Oren Amsalem^D3设计了一项创新性研究。他们通过国际“选择工程竞赛”（Choice Engineering Competition, CEC）平台，开发了RaCaS算法，利用动态奖励分配机制测试人类对规律性的非理性偏好。研究结果发表于《Nature Communications》，揭示了规律性如何超越实际收益成为决策主导因素。

研究采用亚马逊土耳其机器人（Amazon Mechanical Turk）招募3521名参与者，通过100次二选一任务（Bias⁺与Bias^-选项）收集数据。RaCaS算法的核心是通过阶段性增加奖励间隔（如Stage 0每2次选择奖励1次，Stage 3每5次奖励1次）构建规律性，同时利用“惩罚”机制（中断规律性）抑制探索行为。关键技术创新包括动态跟踪（Dynamic track）与静态跟踪（Static track）的对比设计，以及标准化奖励差异指标Δ_rewards(norm.)的计算。

An effective nudge
RaCaS算法在动态赛道中表现卓越，使参与者对Bias⁺选项的偏好达69.8%（Cohen's d=1.16），显著高于其他算法（p<0.001）。贝叶斯分析（BF₀₁=6.35）证实其效果稳定性。

Uneven gains as a self-reinforcing negative feedback loop
规律性偏好引发恶性循环：参与者因少探索Bias^-选项而低估其实际奖励率（#Rewards won/#choices(option)），进一步强化偏见。Δ_rewards(norm.)达0.49（p<0.001），显示算法成功“隐藏”Bias^-奖励。

The cost of sticking to regularity
坚持规律性选项导致参与者总收益仅达随机水平（p=0.09），反应时（RT）差异（Spearman's r=-0.38）印证认知负荷降低对偏好的强化。

Discussion
该研究首次量化了规律性作为独立决策驱动力的作用，挑战了RL模型的完备性。RaCaS通过阶段性规律构建和动态调整，证明非显性干预可显著扭曲行为（即使损害实际利益），这对算法伦理（如“黑暗模式”dark patterns）和政策设计具有警示意义。局限性在于实验室环境与现实的差异，但研究者指出，RaCaS的任意性设计暗示其效果仅为下限，优化后可能更强。

这项研究为决策科学提供了新范式：通过可控实验量化心理倾向（如规律性偏好、控制感）对行为的影响，未来可扩展至社交信息消费、器官捐献等现实场景。正如作者强调，人类决策的复杂性要求我们超越形式化模型，探索更多“非理性”但普适的心理学机制。