論文の概要: The adaptive nature of confirmation bias

• arxiv url: http://arxiv.org/abs/2606.23325v1
• Date: Mon, 22 Jun 2026 13:35:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 21:09:47.551
• Title: The adaptive nature of confirmation bias
• Title（参考訳）: 確認バイアスの適応特性
• Authors: Dorje C. Brody, Karl J. Friston, Bernhard K. Meister, Emmanuel M. Pothos,
• Abstract要約: 二項仮説テストでは、最適なエビデンス選択は期待されるエラー確率を最小化する。 得られた証拠の最適選択は、確証バイアスにつながることを示す。
• 参考スコア（独自算出の注目度）: 0.5483130283061118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 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.
• Abstract（参考訳）: 本稿では、一般に確認バイアスに分類される現象は、平方根確率の空間(または、量子確率の構造を用いて)に定式化される。 この枠組みでは、観測は確率空間上のランダム変数ではなく、行列によってモデル化される。 二元仮説テストの問題では、最適なエビデンス選択は期待されるエラー確率を最小化する。 その結果, 証拠の最適選択は, 確証バイアスにつながることが明らかとなり, 確証バイアスを包含する有理性の驚くべき側面が明らかとなった。 具体的には、シーケンシャルエビデンスサンプリングにおいて、暗黙の最適性は2つの顕著な進化的優位性、すなわち2つの顕著な進化的優位性をもたらす。 (a)決定者に必要なメモリ容量は最小限で、 b) 誤差確率をサンプルサイズで指数関数的に減少させることができる。 意思決定者が最大情報を提供する証拠を求める、アクティブ推論の枠組みに基づく補完的なアプローチが検討される。 得られた最適証拠は、誤差確率を最小化することによって得られるものと一致している。 我々のフレームワークは、アクティブな量子推論のための実装が容易なプロトコルを提供し、行列空間上で推論を行うための最適なエビデンスを選択する。

関連論文リスト

• To Believe or Not to Believe Your LLM [51.2579827761899]
  大規模言語モデル(LLM)における不確実性定量化について検討する。 疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。 定式化の利点を実証する一連の実験を行う。
  論文  参考訳（メタデータ） (2024-06-04T17:58:18Z)
• Evidence-based certification of quantum dimensions [0.0]
  離散変数と連続変数の両方に対する一般的な次元認証プロトコルを導入する。 我々は、状態の有効次元を、後続確率が前よりも大きいような最小の次元とみなす。 スペクトル時間および偏光度測定による実験データを用いて、得られた有効次元に対してベイズ的可算誤差バーを正しく割り当てる方法について実証する。
  論文  参考訳（メタデータ） (2024-01-03T06:28:13Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Calibration of Quantum Decision Theory: Aversion to Large Losses and Predictability of Probabilistic Choices [0.0]
  本稿では、量子決定理論(QDT)の最初のキャリブレーションを、二元的リスク選択のデータセットに提示する。 モデル仮定や調整可能なパラメータを使わずに、最も単純な形式で確率的選択の定式化を用いる。 本研究の結果は,人間の意思決定者選択の予測にも,人工知能の運用の組織化にも応用できる。
  論文  参考訳（メタデータ） (2023-03-03T15:46:26Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Kernel Robust Hypothesis Testing [20.78285964841612]
  本稿では,カーネル方式を用いて不確実性集合をデータ駆動方式で構築する。 目標は、不確実性集合上の最悪のケース分布の下でうまく機能するテストを設計することである。 Neyman-Pearsonの設定では、誤検知の最悪のケース確率を最小限に抑え、誤警報の最悪のケース確率を制約する。
  論文  参考訳（メタデータ） (2022-03-23T23:59:03Z)
• The Sigma-max System Induced from Randomness & Fuzziness and its Application in Time Series Prediction [5.648717826360932]
  可能性尺度に「最大性」のキー公理が採用された理由に焦点をあてる。 我々の研究はファジネスの測定可能性の公理的定義のための物理的基盤を提供する。
  論文  参考訳（メタデータ） (2021-10-12T15:55:37Z)
• Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
  確率分布が未知な分布の不確実性の下でBQOについて検討する。 標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。 この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
  論文  参考訳（メタデータ） (2020-01-19T12:00:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。