試行錯誤で学んだことで起きてしまう判断のバイアスは世界共通

この疑問を解決するために、強化学習における文脈効果を確実に捉える実験的アプローチを用いて、社会経済的・文化的に異なる11カ国の人々の経済的判断の傾向を調査しました。

（実際の報酬ではなく例えになりますが）、

　A：75%で一万円（期待値※2＝7500円）

　B：25％で一万円（期待値＝2500円）

　C：75%で一千円（期待値＝750円）

　D：25％で一千円（期待値＝250円）

をもらえる選択肢があったとします。このような選択肢の「〜％で〜円」の部分を明示的に示して判断させる「宝くじ課題」では、「AとB」のどちらか、「CとD」のどちらかを選ばせると、当然期待値の高いAとCを選びます。これを何度も繰り返した後に、今度は「AとD」「BとC」をペアにして選ばせても、AとCを選びます。ただし、このような意識的な判断の時に、報酬を得られないというリスクを回避する傾向（例えば「BとC」をペアとしたときに、期待値は低いが報酬を得られる確率は高いCを選択する傾向）は国によってかなり違っていました。

一方、「〜％で〜円」の部分を明示的に示さずに、試行錯誤によって学習させる「強化学習課題」も行いました。「AとB」「CとD」の組み合わせで学習し、期待値の高いAとCを選ぶようになった後に、「AとD」「BとC」をペアでどちらを選ぶかをみると、「AとD」ではAを選ぶのですが、「BとC」だと確率的には期待値の低いCを選ぶことのほうが多くなりました。さらには、このような最適でない行動をする程度は、今回調べた全ての国でほとんど違いが見られませんでした。

つまり、経済的判断において、情報を説明された上で行う意識的な判断は社会経済的・文化的背景によって違いが出てきますが、強化学習によって（おそらく無意識的に）形成される行動は、ほとんど影響を受けないことが示唆されます。

（３）研究の波及効果や社会的影響

日本人はリスクをとらない傾向が強いと言われることがあります。例えば、1億円が当たる確率が1％の方が、5万円が当たる確率が50％の場合よりも、期待値という点では優れています。でも、報酬を得られないことを避ける傾向が高ければ、2番目の選択肢がより高い効用を持つように見えるかもしれません。

しかしながら、本研究はこのような明確に情報が与えられた時の判断と、個人が試行錯誤の結果学んだ行動にはズレがあるということを示しています。この結果は、個人の意思決定だけではなく、医療・教育・経済・経営・政策などより大きな枠組みを捉えるときも重要な知見となります。