People seem to prefer the simpler explanation — even when simple is the wrong choiceبه نظر می‌رسد آدم‌ها توضیح ساده‌تر را ترجیح می‌دهند — حتی وقتی ساده بودن انتخاب اشتباهی است
When guessing which of two explanations fits messy data, people leaned toward the simpler one. In experiments planned in advance, their choices closely matched a maths rule that penalises overly flexible explanations.وقتی افراد باید حدس بزنند کدام‌یک از دو توضیح با داده‌های به‌هم‌ریخته جور درمی‌آید، به سمت توضیح ساده‌تر متمایل می‌شوند. در آزمایش‌هایی که از پیش طراحی شده بودند، انتخاب‌های آن‌ها دقیقاً با یک قاعده‌ی ریاضی که توضیح‌های بیش‌ازحد انعطاف‌پذیر را جریمه می‌کند، مطابقت داشت.
ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.
Why it matters
Every day you have to guess causes from patchy information. Was your friend late because of traffic, or for five reasons at once? This work suggests our minds add a built-in cost for explanations with too many moving parts. That habit usually protects us from reading meaning into random noise. But the study also found people kept preferring simple answers in tasks where simple answers scored worse. Certain computer programs trained on the same tasks did not keep that preference. These are short laboratory tasks, so how much this shapes big real-life choices is still an open question.هر روز باید از میان اطلاعات ناقص، علت‌ها را حدس بزنید. دوستتان به‌خاطر ترافیک دیر کرده یا به‌خاطر پنج دلیل هم‌زمان؟ این پژوهش نشان می‌دهد ذهن ما به‌طور ذاتی برای توضیح‌هایی که اجزای متحرک زیادی دارند، هزینه‌ای اضافه در نظر می‌گیرد. این عادت معمولاً ما را از معنا بخشیدن به نویز تصادفی محافظت می‌کند. اما این مطالعه همچنین نشان داد که افراد حتی در تکالیفی که پاسخ‌های ساده در آن‌ها امتیاز کمتری می‌گرفتند، باز هم پاسخ‌های ساده را ترجیح می‌دادند. برخی برنامه‌های کامپیوتری که روی همین تکالیف آموزش دیده بودند، این ترجیح را نشان ندادند. این‌ها تکالیف کوتاه آزمایشگاهی هستند، پس این‌که چقدر این یافته بر تصمیم‌های بزرگ زندگی واقعی اثر می‌گذارد، همچنان پرسشی باز است.
Who's behind it: E. Piasini, S. Liu, P. Chaudhari, V. Balasubramanian and J. I. Gold, University of Pennsylvania.
Summary by the Lemma AI · how we grade