更多信息並不一定能幫助人們做出更好的決策
做出日常決策似乎很容易。人們了解有關健康和財務狀況的基本信息，可用於指導決策。但最新研究表明，太多的知識會導致人們做出更糟糕的決定，這表明我們對新信息如何與先前的知識和信念相互作用的理解存在嚴重差距。
這項研究正在幫助重新構想我們如何使用從人工智慧和機器學習演算法中提取的大量數據以及醫療保健專業人員和財務顧問如何向他們的患者和客戶提供這些想法。
準確的信息不足以使信息有用。假設人工智慧和機器學習將發現大量信息，我們將其提供給人們，他們將做出明智的決定。但是缺少一個步驟：我們需要幫助人們建立他們已經知道並了解如何使用新信息。例如：當醫生向患者傳達信息時，例如推薦降壓藥物或解釋糖尿病的危險因素，人們可能會在考慮藥物的成本或達成同一目標的其他方法。如果您不理解所有這些其他信念，那麼就很難有效地對待它們。
研究人員向4,000位參與者提出了一系列與他們熟悉程度不同的主題有關的問題。一些參與者被要求對他們可能不熟悉的場景做出決策，其他參與者被問到更熟悉的話題，即選擇如何減少退休投資組合中的風險或決定在特定餐食和活動之間進行體重控制。對於某些參與者，場景具有因果關係結構，這意味著參與者可以根據以文本或圖表形式表示的因果關係做出正確的決定。然後，團隊可以比較人們在使用新信息還是僅使用他們已經知道的信息方面做得更好還是更差。
研究發現，當人們在新穎的場景中做出決定時，他們在這個問題上做得很好。但是，當用相同的因果結構替換該問題時，例如有關財務和退休的信息，人們對選擇的信心降低，做出了更糟糕的決定，這表明他們的先驗知識妨礙了他們選擇最佳結果。
當提出與糖尿病有關的健康和運動問題時，也是如此。當沒有糖尿病的人讀到這個問題時，他們以面值對待新信息，相信並成功使用。但是，糖尿病患者開始對他們所知道的事情進行第二次猜測，並且與前面的示例一樣，情況變得更糟。在人們沒有背景知識的情況下，他們對新信息更加自信，可以做出更好的決定。因此，在我們如何理解所提供的信息以及它與我們已經知道的事物相關以及相對於處於新的或不熟悉的環境中時，它如何影響我們的決策存在很大差異。
