理性选择的效用：无风险选择的新理论

从帕斯卡的期望值到期望效用的传统规范性决策理论，一直难以解释人类不一致的选择，这促使了如前景理论等纯描述性模型的产生。本文引入一种新方法来理解这些行为为何发生，将观察到的这些非理性行为与一个简单的理性目标相协调，特别是在无风险选择领域，即在具有确定结果的选项之间进行选择时。在此，我们提出，人类神经系统在面对有限的认知能力（对奖励主观价值的有限表征精度）时，最优地选择适合任务的效用函数，以在确定结果之间进行选择时最大化长期平均收益或最小化错误。我们认为，心理学家和经济学家通过经验测量得到的效用函数是工具，这些工具由对选择环境的概率结构和决策者精度水平的知识所塑造，用于最优地实现一个理性目标。我们的结果表明，几乎所有实验观察到的效用函数都可以被描述为一种近乎最优的工具，用于实现客观收益的最大化——这一目标自伯努利以来已被放弃。我们量化了当选择者在面临选择时决定增加更多认知能力所产生的具体收益，并发现只要效用函数被理性地选择，这些收益就相当小。我们的研究提供了一个新颖的框架，为人类和动物决策者为何进化出经验观察到的令人困惑的效用函数范围和风险态度提供了可检验的基础性解释。

中文由 AI 翻译，仅供参考，以原文为准。