Badacze wprowadzili probabilistyczny framework do modelowania zbiorowych zachowań agentów AI inspirowany mechaniką kwantową i neuroznaną. Ich podejście, oparte na równaniu falowej teorii behawioralnej inteligencji (GBI), pozwala na wyprowadzenie testowanych modów własnych systemu i oferuje sposób weryfikacji hipotezy Liu-Chen-Ao dotyczącej niezlokalizowanych entanglowanych włókien nerwowych w mózgu poprzez analizę zachowań zbiorowych handlowców.
Analiza empiryczna danych intraday z chińskiego rynku akcji przyniosła zastanawiające rezultaty. Adaptacyjne moduły entanglowane wyjaśniły 82-94 procent zaobserwowanych wzorców decyzyjnych (średnio 89 procent), podczas gdy przewidywania neoklassycznej teorii finansów zakładającej niezależnych racjonalnych agentów zawodnie. Dodatkowo badacze zaobserwowali, że 2-12 procent zachowań wykazuje adaptację do wiadomości intraday, zdarzeń i otoczenia, charakteryzujących się podwójnymi stanami równowagi i nagłymi zmianami punktów odniesienia, a czysto niezależne mode pojawiają się w mniej niż 5 procentach przypadków.
Wnioskami pracy jest, że obserwowalne zachowania handlowców odzwierciedlają mechanizmy mózgu i procesy decyzyjne inteligencji wewnętrznej opisywane w psychologii behawioralnej. Naukowcy argumentują na rzecz integracji adaptacyjnych modułów entanglowanych z architekturami sztucznej inteligencji ogólnej, podkreślając konieczność wyjścia poza konwencjonalne sieci neuronowe oparte na bilionach nieprzejrzystych parametrów.