[论文解读] Learning what they think vs. learning what they do: The micro-foundations of vicarious learning

Sanghyun Park, Phanish Puranam|arXiv (Cornell University)|Jul 30, 2020

Game Theory and Applications被引用 1

一句话总结

本文建模了两种旁观学习机制——观察他人行为（学习他们做了什么）和共享信念（学习他们认为什么）——并发现，在无时间压力、低变异性、高差异性收益的环境中，观察学习通常优于信念共享。关键洞见是，信念共享会减少行为多样性与反事实学习，加剧自我证实偏误，而观察学习则能更好地保持探索性与学习效率。

ABSTRACT

Vicarious learning is a vital component of organizational learning. We theorize and model two fundamental processes underlying vicarious learning: observation of actions (learning what they do) vs. belief sharing (learning what they think). The analysis of our model points to three key insights. First, vicarious learning through either process is beneficial even when no agent in a system of vicarious learners begins with a knowledge advantage. Second, vicarious learning through belief sharing is not universally better than mutual observation of actions and outcomes. Specifically, enabling mutual observability of actions and outcomes is superior to sharing of beliefs when the task environment features few alternatives with large differences in their value and there are no time pressures. Third, symmetry in vicarious learning in fact adversely affects belief sharing but improves observational learning. All three results are shown to be the consequence of how vicarious learning affects self-confirming biased beliefs.

研究动机与目标

• 通过两种不同的过程——观察学习与信念共享——理论化并建模旁观学习的微观基础。
• 考察在何种条件下，每种机制在配对学习与系统性学习情境中优于另一种。
• 探究自我证实偏误信念如何通过这两种机制影响旁观学习的有效性。
• 挑战组织学习中信念共享普遍更优的假设，尤其是在远程协作或人机协作场景中。

提出的方法

• 本研究采用形式化模型，基于配对层面的关联（强化）学习，模拟学习者与示范者之间的互动。
• 比较两种机制：(1) 观察行为及其结果（观察学习），(2) 交换对期望值的信念（信念共享）。
• 模型将自我证实偏误信念——即因反馈回路而未被行为所证伪的信念——纳入学习动态。
• 分析表明，每种机制如何影响反事实探索的范围以及收敛至最优行为的速度。
• 模型扩展至系统性情境，以评估旁观学习中的对称性效应。
• 采用比较静态分析，评估在不同任务环境下的性能表现，包括备选项数量、收益差异与时间约束。

实验结果

研究问题

• RQ1 在何种条件下，观察学习在旁观学习中比信念共享更有效？
• RQ2 自我证实偏误信念的存在如何影响每种旁观学习机制的表现？
• RQ3 为何旁观学习中的对称性会降低信念共享的效果，却增强观察学习的效果？
• RQ4 即使学习者之间初始无知识优势，旁观学习是否仍具优势？
• RQ5 在何种任务环境中，行为与结果的相互可观测性优于信念共享？

主要发现

• 通过观察学习或信念共享的旁观学习，即使没有初始知识优势，也能提升表现。
• 在备选项较少、收益差异较大且无时间压力的环境中，观察学习优于信念共享，因其能更好地保持行为多样性与反事实学习。
• 旁观学习中的对称性会通过增加行为相关性并缩小探索范围，损害信念共享，但通过增强相互反馈，提升观察学习的效果。
• 信念共享的相对优势并非源于个体洞察力更优，而是源于对自我证实偏误的系统性约束。
• 信念共享并非普遍优于观察学习；其有效性关键取决于任务环境结构与时间约束。
• 在人机协作中，提升行为与结果的可观测性，可能比增强AI可解释性（即信念共享）更有效，尤其当AI系统本身不透明时。