Onderzoek  ›  Casebibliotheek  ›  Case 23: Newcomb’s Problem
Case 23 / 31  •  Thema: Coördineren

Newcomb’s Problem

Je keuze kan informatie geven over een eerdere toewijzing, zonder die eerdere toewijzing te veranderen.

Newcombs probleem verdeelt de beslissingstheorie omdat redeneren vanuit aanwijzingen en redeneren vanuit oorzaken tot verschillende keuzes kunnen leiden. Voor AI kan dit relevant zijn wanneer middelen vooraf worden toegewezen op basis van voorspeld menselijk gedrag.

✓
OnderzoeksstatusGerichte onderzoeksvraag
☆
AI-relevantieAI kan een bestaand effect versterken
⚙
KernideeCausal vs evidential dependence
⌾
OnderbouwingBronnen en beperkingen samengevat; onafhankelijke review staat nog open.
◇
CasetypeBesluitvormingsthought experiment
“
In één zin

Je keuze kan informatie geven over een eerdere toewijzing, zonder die eerdere toewijzing te veranderen.

Het verhaalOver hoe de case ontstaat en ons denken kan misleiden.

Neem in dit gedachte-experiment aan dat je sterke redenen hebt om de voorspeller bijna altijd juist te achten, ook in deze situatie. De transparante doos bevat altijd €1.000. Vóór jouw keuze vult de voorspeller de ondoorzichtige doos met €1.000.000 als die voorspelt dat je alleen deze doos kiest, en met niets als die voorspelt dat je beide kiest. Daarna kies je alleen de ondoorzichtige doos of beide. Je verandert de eerdere vulling niet, maar kiest wel welk geld je meeneemt.

Wat weten we?Bewijs, onderzoek, kritische inzichten en wat we nog niet weten.

Het is een bekend, onopgelost probleem uit de besliskunde. Een praktische toepassing vereist een situatie waarin toewijzingen van een voorspelling afhangen en de volgorde van voorspelling, toewijzing en keuze duidelijk vastligt.

Wat is het mechanisme?Welke verklaring het best past bij wat we zien.

In dit protocol kan je keuze een aanwijzing zijn voor de eerdere doosvulling, terwijl ze die vulling niet veroorzaakt. De causale vergelijking houdt de vulling vast; de evidentiële vergelijking neemt het verband met de voorspelling mee. Dat onderscheid beslist hier niet welke beslisregel juist is.

Wat verandert AI?Hoe AI het mechanisme kan versterken of zichtbaar maken.

Te onderzoeken AI-toepassing: Als een AI-systeem gedrag in een afgebakende taak voldoende betrouwbaar voorspelt en vooraf middelen toewijst, kunnen we toetsen hoe gebruikers voorspelling en causale invloed onderscheiden. Die voorspelbetrouwbaarheid moet afzonderlijk worden aangetoond; ze volgt niet uit Newcombs gedachte-experiment.

Wat willen we testen?Welke vraag we concreet verder willen onderzoeken.

Voorgestelde toets, nog niet uitgevoerd: Ontwerp taken waarin een voorspelling de voorafgaande toewijzing bepaalt. Varieer of de causale structuur expliciet wordt getoond. Meet onjuiste toeschrijving van oorzaken en de gemaakte keuzes.

Wat nemen we mee?Wat deze case voorlopig betekent — en waar de grenzen liggen.

Newcombs probleem helpt onderscheid maken tussen voorspelling, samenhang en causale invloed. Het levert geen algemeen aanvaarde oplossing voor het geschil tussen beslisregels.

De voorspelling en doosvulling gaan vooraf aan de keuze. De keuze veroorzaakt geen wijziging van het verleden. Causale en evidentiële beslisregels blijven filosofisch betwist.

BronnenPrimaire en belangrijkste wetenschappelijke bronnen.

Nozick (1969), Newcomb’s Problem and Two Principles of Choice, p. 114–116: aanname over betrouwbaarheid en volgorde; p. 134: geen terugwaartse causaliteit.

Nozicks tekst legt de betrouwbaarheid van de voorspeller, de volgorde van gebeurtenissen en het ontbreken van terugwaartse causaliteit vast. De bedragen zijn voor dit voorbeeld naar euro’s omgezet. Het gedachte-experiment bewijst geen voorspelbetrouwbaarheid van bestaande AI-systemen.

Geef feedback

Schema op groot formaat