Die Nutzung von pharmazeutischen kognitiven Enhancern bei komplexen Aufgaben des täglichen Lebens ist in bestimmten Bereichen recht weit verbreitet. In einer Untersuchung von Bowman et al. (2023) mussten vierzig Probanden zwischen 18 und 35 Jahren das Rucksackproblem in acht Varianten lösen, wobei es galt, verschieden schwere Dinge mit unterschiedlichem Wert für einen virtuellen Rucksack zusammenzustellen. Der Rucksack soll am Ende einen möglichst großen Gesamtwert haben, darf aber ein zuvor festgelegtes Gewicht nicht überschreiten. Alle Teilnehmenden absolvierten die Tests viermal, in vier aufeinanderfolgenden Doppelblindstudien, in denen sie jeweils eine von drei populären Drogen (Methylphenidat, Dextroamphetamin und Modafinil) bzw. ein Placebo einnahmen.
Man stellte dabei fest, dass der bei der Aufgabe erreichte Knapsackwert im Vergleich zum Placebo signifikant abnahm, auch wenn die Chance, die optimale Lösung zu finden (~50 %), nicht signifikant verringert wird. Der Aufwand (Entscheidungszeit und Anzahl der Schritte, um eine Lösung zu finden) stieg signifikant, aber die Produktivität (Qualität des Aufwands) sank signifikant. Gleichzeitig nahmen die Produktivitätsunterschiede zwischen den Teilnehmern ab und kehrten sich sogar insofern um, als überdurchschnittliche Leistungen am Ende unter dem Durchschnitt lagen und umgekehrt. Letzteres kann auf eine erhöhte Zufälligkeit der Lösungsstrategien zurückgeführt werden.
Diese Ergebnisse deuten darauf hin, dass smarte Drogen zwar die Motivation erhöhen, aber eine Verringerung der Qualität der Anstrengung, die für die Lösung komplexer Probleme entscheidend ist, diesen Effekt wieder aufhebt. Solche Drogen erhöhen offenbar die Anstrengung, aber die Qualität verschlechtert sich, was vor allem die Produktivität der überdurchschnittlichen Leistungsträger beeinträchtigt. Möglicherweise liegt es daran, dass die gesteigerte Anstrengung zu mehr sprunghaftem Denken bei den Probanden führte.
Bei der Knapsack-Optimierung, die auch als Rucksackproblem bekannt ist, handelt es sich um ein bekanntes Problem der kombinatorischen Optimierung, bei dem eine begrenzte Menge an Ressourcen auf eine Menge von Elementen verteilt werden soll. Jedes Element hat einen bestimmten Wert und eine gewisse Größe, und das Ziel ist es, die Elemente auszuwählen, die den größtmöglichen Gesamtwert haben, ohne dabei die Kapazität des Rucksacks zu überschreiten. Das Problem erhielt seinen Namen von der Analogie mit einem Rucksacks, der mit Gegenständen gefüllt werden soll, wobei dieser eine begrenzte Kapazität hat, und die Aufgabe besteht darin, die wertvollsten Gegenstände auszuwählen, die hineinpassen. Die Knapsack-Optimierungals gilt stilisierte Darstellung der Schwierigkeit von Aufgaben des täglichen Lebens. Dabei gibt es verschiedene Varianten des Knapsack-Problems, wie zum Beispiel das 0/1-Knapsack-Problem, bei dem jedes Element entweder vollständig aufgenommen oder ausgelassen werden muss, oder das unbeschränkte Knapsack-Problem, bei dem Elemente in beliebiger Menge aufgenommen werden können. Die Knapsack-Optimierung findet Anwendungen in verschiedenen Bereichen wie Logistik, Finanzplanung, Ressourcenmanagement und Informatik, wobei es keinen bekannten effizienten Algorithmus gibt, der das Problem in einer bestimmten Zeit löst. Es werden jedoch verschiedene Algorithmen und Heuristiken verwendet, um eine gute Lösung für das Knapsack-Problem zu finden, einschließlich dynamischer Programmierung, Greedy-Algorithmen und genetischer Algorithmen.
Literatur
Bowman, Elizabeth, Coghill, David, Murawski, Carsten & Bossaerts, Peter (2023). Not so smart? “Smart” drugs increase the level but decrease the quality of cognitive effort. Science Advances, 9, doi:10.1126/sciadv.add4165.