這篇文章由Dasgupta和Griffiths所著，標題為《Clustering and the efficient use of cognitive resources》，發表於《Journal of Mathematical Psychology》第109期。文章探討了如何有效利用有限的認知資源進行分類（clustering），是理性行為模型（rational models）中的一個關鍵問題。作者們分析了在保留數據的同時減少表徵的複雜度（representational complexity）的情況下，如何形成最優分類。他們將非參數貝葉斯統計中的中餐廳過程（Chinese Restaurant Process, CRP）解釋為最小化表徵複雜度的一種方式。透過數學衍生和模擬實驗，證明了這種基於資源理性的分類方法（resource-rational clustering）與CRP在許多心理學模型中的假設是一致的。此研究不僅提供了一個新的角度來理解心理學模型中的分類過程，也對人類如何在有限的認知資源下進行有效分類提供了理論支持。
中餐廳過程（Chinese Restaurant Process, CRP）
中餐廳過程（Chinese Restaurant Process, CRP）是一種非參數貝葉斯統計中用來進行聚類的方法。其命名來自於其創造者想像的一個情境：在一家大型的中餐廳中，許多餐桌（代表聚類）可供不同的顧客（代表數據點）加入，顧客選擇加入某個餐桌的概率與該餐桌已有的顧客數成正比，而選擇開一個新餐桌的概率則與一個固定的參數α成正比。
CRP的核心思想是：每一次添加一個新的對象時，這個對象加入任何現有聚類的概率與該聚類已有的對象數成正比，而加入一個全新聚類的概率則是一個固定的參數α。這個過程支持聚類的數量理論上是無限的，但在任何給定時刻，只有有限數量的聚類是被觀察到的。
CRP被廣泛用於概率模型中，特別是在心理學模型中，來解釋人們如何根據經驗進行分類。這種方法的一個關鍵特點是，它允許模型彈性地調整聚類的數量，根據數據的需要增加新的聚類，這使得CRP非常適合處理具有不確定聚類數量的問題。
人類如何處理複雜的分類任務
在有限的認知資源下進行有效的分類，人類通過抽象化來處理環境中的變化，將相似的經歷聚集在一起，從而支持泛化。理性行為模型（例如，非參數貝葉斯模型）在此過程中扮演著重要角色。這些模型探討了如何在保留對環境的描述能力的同時，減少認知資源的使用。中餐廳過程（CRP）是理性模型中常用的一種工具，用於解釋人類和動物的聚類行為。CRP模型假設，每個新的經歷（或數據點）加入到現有的聚類中的概率與該聚類中已有的經歷數成正比，而形成新聚類的概率則是固定的。
在面對有限的認知資源時，理性行為模型提供了一個框架，用於理解人類如何通過最小化表徵的複雜度來有效地進行分類。通過信息理論的視角，可以將聚類的過程視為對認知資源的一種最優分配，旨在保持對環境的有效描述，同時限制認知代價的增加。這種資源理性（resource-rational）的分析框架強調了在有限的認知資源條件下，人腦如何通過選擇「簡單」的物品-類別映射來進行有效的聚類和分類，其中「簡單性」是通過聚類的邊際分佈的熵來衡量的。
這種基於資源理性的聚類策略不僅有助於解釋人類如何處理複雜的分類任務，也提供了對心理學模型中使用CRP及類似假設的新的認知動機解釋。進一步的實驗研究可能揭示，通過操縱表徵成本，人類的聚類行為如何改變，這將進一步驗證資源理性聚類模型的預測，並豐富我們對於人類認知資源分配機制的理解。
Dasgupta, I., & Griffiths, T. L. (2022). Clustering and the efficient use of cognitive resources. Journal of Mathematical Psychology, 109, 102675.