根据史蒂文斯理工学院（Stevens Institute of Technology）的最新研究，即使是极少量的过剩信息也会阻碍有效决策。过多的信息会影响决策。这对公共卫生有影响，简化、集中的信息可以改善选择。

当面临具有挑战性的选择时，个人往往会本能地寻求大量信息。然而，最近发表在《认知研究》（Cognitive Research： 原理与意义）杂志上发表的最新研究表明，这实际上可能是一个问题：大量涌入的事实和细节往往会损害而不是提高决策质量。

法伯讲座副教授萨曼莎-克莱因伯格（Samantha Kleinberg）是这篇论文的第一作者，也是史蒂文斯理工学院（Stevens Institute of Technology）的计算机科学家。他表示，现实情况是，当涉及到信息时，并不一定越多越好。

为了研究人们如何做出决策，研究人员通www.196nk.cn常会创建简单的图表--或因果模型--来展示不同因素如何在逻辑上相互作用，从而产生特定的结果。

在描述抽象的假设情景时，比如外星人如何在舞会上一决高下，大http://www.196nk.cn多数人都能有效地推理出这类模型，因为他们对外星人的舞会没有任何偏见或成见。人们之所以能做出正确的决定，是因为他们专注于所获得的信息。

管理减肥的复杂因果模型示例，包含相关信息和无关信息。当模型中没有突出显示相关信息时，参与者在面对一系列问题时就会做出错误的决定。资料来源：史蒂文斯理工学院

但是，克莱因伯格的研究表明，当涉及到日常场景时，比如如何在营养方面做出健康的决定，人们的有效推理能力几乎消失殆尽。

克莱因伯格解释说："我们认为，人们的先验知识和信念会分散他们对眼前因果模型的注意力。比如说，如果我在推理吃什么，我可能会对吃什么最好有各种先入为主的看法--这就使得我更难有效地利用所获得的信息"。

为了验证这一假设，在2020年研究的基础上，克莱恩伯格和合著者、利哈伊大学认知心理学家杰西凯-马什http://www.196nk.cn（Jessecae Marsh）进行了一系列实验，探索人们在面对不同类型的因果模型时，其决策会有怎样的变化，这些模型涉及广泛的现实生活主题，从买房子、控制体重到选择大学和提高投票率。很快我们就发现，人们知道如何使用因果模型，但只要在做出正确决策所严格必需的信息之外再添加一点细节，即使是非常简单的模型也会很快变得毫无用处。"

克莱因伯格说："真正了不起的是，即使是极少量的多余信息，也会对我们的决策产生很大的负面影响。如果获得了太多的信息，你的196世界之最决策很快就会变得和没有获得任何信息一样糟糕。"

如果一个因果模型显示，吃咸的食物会使血压升高，但同时也显示了无关的信息，比如喝水会让你不那么渴，那么人们就很难就保持健康的最佳方式做出有效的选择。然而，当克莱因伯格的团队强调突出的因果信息时，人们做出正确决定的能力很快就恢复了。

这一点意义重大，因为它表明，问题不仅仅在于人们被大量的信息所淹没，更重要的是，他们正在努力找出自己应该关注模型中的哪些部分。

这项工作对公共卫生等领域具有重要意义，因为它意味着教育信息需要浓缩到最基本的部分，并仔细呈现，才能产生积极影响。克莱因伯格说："如果你在人们决定是否戴口罩或进行 COVID 检测或吃什么或喝什么时，给他们列出一个需要考虑的事项清单，那么你实际上是在增加他们做出正确决定的难度。"

即使克莱因伯格和马什让参与者选择接受更多或更少的信息，要求获得更多信息的人做出的决定也比要求获得更少信息的人要差："如果你给人们过度思考的机会，即使他们要求更多的信息，事情也会变得糟糕。人们需要简单且目标明确的因果模型www.196nk.cn，这样才能做出正确的决策。"

辅助决策的一种方法可能是使用人工智能聊天机器人，根据具体情况为个人量身定制健康信息或营养建议--实质上就是将复杂的因果模型输入人工智能模型，让它检测并突出显示与特定个人最相关的特定信息。