Dinamiche neurali degli esseri umani durante l'interazione con diversi partner artificiali in un compito decisionale

Abstract

Questa tesi indaga i meccanismi neurali alla base del processo decisionale umano durante l'interazione con un partner artificiale. Utilizzando l'elettroencefalografia (EEG), i partecipanti hanno svolto un compito sensomotorio di caccia al cervo, in cui dovevano scegliere tra una ricompensa individuale a basso rischio e un'opzione cooperativa ad alto rischio. Il partner artificiale ha mostrato tre strategie comportamentali: collaborativa, casuale ed egoistica. I segnali EEG sono stati analizzati per estrarre indici cognitivi di coinvolgimento (Enl) e distrazione (DI), mentre i dati del robot sono stati utilizzati per valutare le strategie decisionali. Sono state considerate due condizioni sperimentali, diverse per la presenza o l'assenza di pause tra i blocchi di interazione, per valutare l'impatto della struttura del compito sulle risposte cognitive. I risultati mostrano che il comportamento del partner influenza significativamente sia l'attività neurale che il processo decisionale. I partner cooperativi hanno aumentato il coinvolgimento, mentre il comportamento egoistico ha portato a una maggiore distrazione e a scelte più avverse al rischio. I partecipanti hanno adattato dinamicamente le proprie strategie in base all'affidabilità percepita del partner. Inoltre, la struttura del compito ha influenzato le risposte cognitive, indicando che i fattori contestuali giocano un ruolo nel plasmare le dinamiche di interazione. Questi risultati contribuiscono a una migliore comprensione dei meccanismi neurali alla base del processo decisionale e possono portare allo sviluppo dell'interazione uomo-robot.

This thesis investigates the neural mechanisms underlying human decision-making during interaction with an artificial partner. Using electroencephalography (EEG), participants engaged in a sensorimotor Stag-Hunt task, where they chose between a low-risk individual reward and a high-reward cooperative option. The artificial partner exhibited three behavioral strategies: collaborative, random, and selfish. EEG signals were analyzed to extract cognitive indices of engagement (Enl) and distraction (DI), while robot data were used to assess decision-making strategies. Two experimental conditions were considered, differing in the presence or absence of pauses between interaction blocks, to evaluate the impact of task structure on cognitive responses. The results show that partner behavior significantly influences both neural activity and decision-making. Cooperative partners increased engagement, whereas selfish behavior led to higher distraction and more risk-averse choices. Participants adapted their strategies dynamically based on perceived partner reliability. Additionally, task structure affected cognitive responses, indicating that contextual factors play a role in shaping interaction dynamics. These findings contribute to a better understanding of neural mechanisms behind decision-making and can result in the development of human–robot interaction.