Amerikalı psikolog L. L. Thurstone, 1927 tarihli “Karşılaştırmalı yargı yasası” başlıklı makalesinde, insanların birden fazla alternatif arasından bir seçenek seçtiklerinde, o seçeneğin kendileri için en yüksek değere sahip olanı olduğunu, bu tercihe belirli bir sayı atayamamış olsalar bile, öne sürdü.
Thurstone, “psikometrics” alanının öncüsüydü; bu alan, göremediğimiz zihinsel süreçlerin ölçülebilir ve nicelendirilebilir olduğu varsayımına dayanıyordu. 1927 tarihli makalesi, artık rastgele fayda modelleri olarak adlandırılan ve insan tercihlerini tanımlamak için matematiksel bir çerçeve sağlayan çalışmaların temelini attı; bu bilgiler, çeşitli varsayımsal durumlar hakkında tahminlerde bulunmak için güvenilir bir şekilde kullanılabilir.
Rastgele fayda modelleri (RUM'lar), belirli bir seçimden elde edilebilecek “fayda” veya avantajı değerlendirdikleri için bu ismi almıştır; örneğin, kütüphaneden getirdiğiniz roman yığınından hangi kitabı önce okuyacağınıza karar vermek gibi. MIT Elektrik Mühendisliği ve Bilgisayar Bilimleri Departmanı (EECS) öğretim üyesi ve Bilgi ve Karar Sistemleri Laboratuvarı (LIDS) baş araştırmacısı Gabriele Farina, “Bu modeller doğası gereği rastgeledir,” diyor, “çünkü insanlar farklıdır. Herkesin kendi tercihleri vardır ve bu tercihler zaman zaman değişebilir.” Örneğin, sabahları genellikle kahve tercih eden birinin akşam yemeğinden sonra çay tercih etmesi, bazen o sırayı tamamen karıştırmasına neden olabilir.
RUM'lar, şüphesiz, sıcak (veya soğuk) bir içecek seçiminin çok daha büyük sonuçlar doğurduğu durumlarda hükümet ve sanayi içinde sıkça kullanılmaktadır. Bu modeller, insanların sözde karşıfaktüel (“ya ne olursa”) senaryolarında ne yapacaklarına dair tahminleri kolaylaştırır; örneğin: Bir ana yol inşaat nedeniyle kapatılırsa işe veya okula nasıl gidecekler? Hangi yolları ve ulaşım araçlarını kullanacaklar? Ya da bir şehir aniden 20 milyon dolarlık bir kazanç elde ederse, bu fonların ortak iyiliği maksimize etmek için nasıl dağıtılması gerektiği?
RUM'lar neredeyse 100 yıldır bizimle birlikte ve zamanla daha karmaşık hale geldiği düşünüldüğünde, bu aşamada iyileştirme için çok az alan olduğu hayal edilebilir. Ancak durum böyle değil.
Nisan ayında Brezilya'nın Rio de Janeiro kentinde düzenlenen Uluslararası Temsili Öğrenme Konferansı'nda sunulan bir makale, bu modellerden geleneksel olarak varsayılandan çok daha fazlasının elde edilebileceğini gösteren temel gerçekleri ortaya çıkardı. Makalenin yazarları arasında, şu anda Singapur'daki Nanyang Teknoloji Üniversitesi'nde görev yapan eski MIT doktora sonrası araştırmacısı Yeshwanth Cherapanamjeri; MIT'nin Operasyon Araştırmaları Merkezi'nde (ORC) da çekirdek öğretim üyesi olan Farina; MIT'de Bilgisayar Bilimleri Avanessians Profesörü ve MIT Bilgisayar Bilimleri ve Yapay Zeka Laboratuvarı üyesi Constantinos Daskalakis; ve LIDS ve EECS'te MIT doktora öğrencisi Sobhan Mohammadpour yer alıyor.
Grubun bulguları, kısmen, RUM'ların pratikte yaygın olarak tahmin edilme biçimindeki bir eksiklikten kaynaklanıyor; bu durum Thurstone'un döneminden beri devam ediyor. Modellerin tahmin edildiği veriler, büyük ölçüde çiftler arası karşılaştırmalardan elde edilmiştir: A ve B öğeleri arasında bir seçim yapıldığında — ister Netflix'teki filmler, ister Amazon.com'daki rekabet eden ürünler, ister Google'da yayımlanan haber hikayeleri olsun — hangisini seçersiniz? Daskalakis, bu yaklaşımın bu kadar yaygın olmasının nedenlerinden birinin, “tek bir öğeden elde ettiğiniz faydaya 4.37 gibi kesin bir sayısal puan atamanın çok zor olmasıdır. Oysa iki şeyi karşılaştırmak ve hangisini daha çok beğendiğinize karar vermek, bilişsel olarak çok daha kolaydır,” diyor. Ancak burada sorun var, diye ekliyor. “İnsanların tercihlerini bu şekilde değerlendirirken, yalnızca iki şeye bakarak, çok sayıda seçim arasındaki ilişkileri bulmak imkansızdır.”
RUM'ların standart uygulama şekli, A ve B'den elde edilen faydaların bağımsız olduğunu varsayar, ancak aslında bunlar bağlantılı olabilir ve bu bilginin önemli olduğunu bilmek gerekir. Örneğin, bir seçim ofisi için kampanya yürüten birisi, potansiyel bir seçmenin silah kontrolünü desteklediğini öğren
