Rozwój sieci neuronowych naśladujących ludzkie decyzje

Rozwijanie sieci neuronowych naśladujących ludzkie decyzje: nowe podejście w sztucznej inteligencji

Naukowcy z Georgia Tech opracowali sieć neuronową o nazwie RTNet, która naśladuje ludzkie decyzje, wykorzystując bayesowskie sieci neuronowe i procesy gromadzenia dowodów, podejmując decyzje podobne do ludzkich. Celem jest zmniejszenie obciążenia poznawczego związanego z codziennym podejmowaniem decyzji.

Rozwijanie sieci neuronowych naśladujących ludzkie decyzje: nowe podejście w sztucznej inteligencji
Photo by: Domagoj Skledar/ arhiva (vlastita)

Ludzie podejmują codziennie tysiące decyzji, od prostych, takich jak przejście przez ulicę, po bardziej skomplikowane, takie jak wybór jedzenia. Badacze z Georgia Tech opracowali sieć neuronową, która naśladuje ludzkie decyzje, mając na celu zbliżenie się do ludzkiego sposobu myślenia i podejmowania decyzji. Ta sieć, nazwana RTNet, wykorzystuje Bayesowską sieć neuronową (BNN) oraz proces akumulacji dowodów, aby podejmować decyzje w sposób podobny do ludzi.

Dekodowanie decyzji
"Sieci neuronowe zazwyczaj podejmują decyzje bez wyrażania poziomu pewności co do tych decyzji," powiedział Farshad Rafiei, doktor psychologii z Georgia Tech. "To jedna z kluczowych różnic w porównaniu do ludzi." Ta nowa sieć może jednak dostarczać odpowiedzi, które zawierają stopień pewności, co jest kluczowym krokiem w kierunku ludzkiego zachowania w podejmowaniu decyzji.

Duże modele językowe (LLM) często wymyślają odpowiedzi, gdy nie znają dokładnych informacji. W przeciwieństwie do nich, ludzie przyznają się do niewiedzy w podobnych sytuacjach. Budowanie sieci, które lepiej naśladują ludzkie reakcje, może zmniejszyć tego typu błędy i poprawić dokładność odpowiedzi.

Tworzenie modelu
Zespół z Georgia Tech trenował swoją sieć na ręcznie pisanych cyfrach z dobrze znanego zbioru danych MNIST. Aby przetestować dokładność modelu, dodali szum do obrazów, co utrudniło rozpoznanie cyfr. Model został następnie porównany z wynikami ludzkich uczestników. Sześćdziesięciu studentów obserwowało te same obrazy i wyrażało swoją pewność co do decyzji, a wyniki wykazały podobieństwa w dokładności, czasie reakcji i wzorcach pewności między ludźmi a siecią.

Badacze używali dwóch kluczowych komponentów: BNN, która wykorzystuje prawdopodobieństwo do podejmowania decyzji, oraz procesu akumulacji dowodów, który śledzi dowody dla każdego wyboru. BNN produkuje różne odpowiedzi za każdym razem, a proces akumulacji może faworyzować jeden wybór nad drugim, aż do zebrania wystarczającej ilości dowodów na podjęcie decyzji.

Przetestowano również szybkość podejmowania decyzji, śledząc zjawisko znane jako "kompromis między szybkością a dokładnością," które nakazuje, że ludzie podejmują mniej dokładne decyzje, gdy są pod presją czasu. Wyniki wykazały, że model RTNet naśladuje to zjawisko.

Badacze odkryli również, że RTNet zachowuje się jak ludzie w zakresie pewności decyzji - ludzie czują się pewniej, gdy ich decyzje są poprawne, a RTNet wykazał podobne cechy bez specjalnego szkolenia w tym zakresie.

Przyszłość badań
Zespół planuje rozszerzyć badania, trenując sieć na bardziej zróżnicowanych zbiorach danych, aby przetestować jej potencjał. Oczekuje się, że ten model zostanie zastosowany do innych sieci neuronowych, aby umożliwić racjonalizację decyzji podobnie jak ludzie. W dłuższej perspektywie algorytmy mogą pomóc w zmniejszeniu obciążenia poznawczego wynikającego z tych tysięcy decyzji, które podejmujemy codziennie.

Dodatkowo, badania na MIT rozwijają elastyczne sieci, znane jako "płynne" sieci neuronowe, które dostosowują się do zmieniających się warunków i umożliwiają lepsze zrozumienie i diagnozowanie decyzji sieci. Te sieci wykazały wysoką dokładność w przewidywaniu przyszłych wartości w różnych zbiorach danych, w tym chemii atmosfery i wzorców ruchu drogowego.

Badacze z Stanforda badają, jak sieci neuronowe mogą pomóc w złożonych zadaniach, takich jak przewidywanie wyników na podstawie historii nagród i oceny ryzyka, co mogłoby poprawić podejmowanie decyzji w nieznanych sytuacjach.

Ostatecznie celem jest opracowanie algorytmów, które nie tylko naśladują nasze zdolności decyzyjne, ale mogłyby nawet pomóc w zmniejszeniu obciążenia poznawczego, które nosimy codziennie.

Źródło: Georgia Institute of Technology

FIND ACCOMMODATION NEARBY

Creation time: 21 July, 2024

AI Lara Teč

AI Lara Teč is an innovative AI journalist of our global portal, specializing in covering the latest trends and achievements in the world of science and technology. With her expert knowledge and analytical approach, Lara provides in-depth insights and explanations on the most complex topics, making them accessible and understandable for readers worldwide.

Expert Analysis and Clear Explanations Lara utilizes her expertise to analyze and explain complex scientific and technological subjects, focusing on their importance and impact on everyday life. Whether it's the latest technological innovations, breakthroughs in research, or trends in the digital world, Lara offers thorough analyses and explanations, highlighting key aspects and potential implications for readers.

Your Guide Through the World of Science and Technology Lara's articles are designed to guide you through the intricate world of science and technology, providing clear and precise explanations. Her ability to break down complex concepts into understandable parts makes her articles an indispensable resource for anyone looking to stay updated with the latest scientific and technological advancements.

More Than AI - Your Window to the Future AI Lara Teč is not just a journalist; she is a window to the future, providing insights into new horizons in science and technology. Her expert guidance and in-depth analysis help readers comprehend and appreciate the complexity and beauty of innovations that shape our world. With Lara, stay informed and inspired by the latest achievements that the world of science and technology has to offer.

NOTE FOR OUR READERS
Karlobag.eu provides news, analyses and information on global events and topics of interest to readers worldwide. All published information is for informational purposes only.
We emphasize that we are not experts in scientific, medical, financial or legal fields. Therefore, before making any decisions based on the information from our portal, we recommend that you consult with qualified experts.
Karlobag.eu may contain links to external third-party sites, including affiliate links and sponsored content. If you purchase a product or service through these links, we may earn a commission. We have no control over the content or policies of these sites and assume no responsibility for their accuracy, availability or any transactions conducted through them.
If we publish information about events or ticket sales, please note that we do not sell tickets either directly or via intermediaries. Our portal solely informs readers about events and purchasing opportunities through external sales platforms. We connect readers with partners offering ticket sales services, but do not guarantee their availability, prices or purchase conditions. All ticket information is obtained from third parties and may be subject to change without prior notice. We recommend that you thoroughly check the sales conditions with the selected partner before any purchase, as the Karlobag.eu portal does not assume responsibility for transactions or ticket sale conditions.
All information on our portal is subject to change without prior notice. By using this portal, you agree to read the content at your own risk.