人类“智慧”的秘密: AI无法企及的决策之道

摘要

斯坦福大学商学院助理教授Douglas Guilbeault指出，人类决策常采用“满足化”策略，即收集足够信息而非最优解来预测结果。实验游戏表明，这种策略也用于学习社会规则，揭示人类与大型语言模型（LLM）在预测方式上的关键差异。LLM依赖海量数据和复杂计算追求最优解，但人类受限于神经元数量和信息获取，在不确定性中依赖满足化策略。这一发现为社交学习提供了新见解，也凸显了AI与人类思维的差异。