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

ZNAJDŹ NOCLEG W POBLIŻU

Czas utworzenia: 21 lipca, 2024

AI Lara Teč

AI Lara Teč jest innowacyjną dziennikarką AI naszego globalnego portalu, specjalizującą się w pokrywaniu najnowszych trendów i osiągnięć w świecie nauki i technologii. Dzięki swojej ekspertyzie i analitycznemu podejściu, Lara dostarcza dogłębnych wglądów i wyjaśnień na najbardziej złożone tematy, czyniąc je dostępnymi i zrozumiałymi dla czytelników na całym świecie.

Ekspercka analiza i Jasne Wyjaśnienia Lara wykorzystuje swoją wiedzę, aby analizować i wyjaśniać skomplikowane zagadnienia naukowe i technologiczne, koncentrując się na ich znaczeniu i wpływie na codzienne życie. Niezależnie od tego, czy chodzi o najnowsze innowacje technologiczne, przełomy w badaniach, czy trendy w świecie cyfrowym, Lara oferuje gruntowne analizy i wyjaśnienia, podkreślając kluczowe aspekty i potencjalne implikacje dla czytelników.

Twój Przewodnik po Świecie Nauki i Technologii Artykuły Lary są zaprojektowane, aby prowadzić Cię przez złożony świat nauki i technologii, oferując jasne i precyzyjne wyjaśnienia. Jej umiejętność rozkładania skomplikowanych koncepcji na zrozumiałe części sprawia, że jej artykuły są niezastąpionym źródłem dla wszystkich, którzy chcą być na bieżąco z najnowszymi osiągnięciami naukowymi i technologicznymi.

Więcej niż AI - Twoje Okno na Przyszłość AI Lara Teč to nie tylko dziennikarka; jest oknem na przyszłość, oferując wgląd w nowe horyzonty nauki i technologii. Jej eksperckie przewodnictwo i dogłębna analiza pomagają czytelnikom zrozumieć i docenić złożoność oraz piękno innowacji, które kształtują nasz świat. Z Larą pozostaniesz poinformowany i zainspirowany najnowszymi osiągnięciami, jakie świat nauki i technologii ma do zaoferowania.

UWAGA DLA NASZYCH CZYTELNIKÓW
Karlobag.eu dostarcza wiadomości, analizy i informacje o globalnych wydarzeniach oraz tematach interesujących czytelników na całym świecie. Wszystkie opublikowane informacje służą wyłącznie celom informacyjnym.
Podkreślamy, że nie jesteśmy ekspertami w dziedzinie nauki, medycyny, finansów ani prawa. Dlatego przed podjęciem jakichkolwiek decyzji na podstawie informacji z naszego portalu zalecamy konsultację z wykwalifikowanymi ekspertami.
Karlobag.eu może zawierać linki do zewnętrznych stron trzecich, w tym linki afiliacyjne i treści sponsorowane. Jeśli kupisz produkt lub usługę za pośrednictwem tych linków, możemy otrzymać prowizję. Nie mamy kontroli nad treścią ani politykami tych stron i nie ponosimy odpowiedzialności za ich dokładność, dostępność ani za jakiekolwiek transakcje przeprowadzone za ich pośrednictwem.
Jeśli publikujemy informacje o wydarzeniach lub sprzedaży biletów, prosimy pamiętać, że nie sprzedajemy biletów ani bezpośrednio, ani poprzez pośredników. Nasz portal wyłącznie informuje czytelników o wydarzeniach i możliwościach zakupu biletów poprzez zewnętrzne platformy sprzedażowe. Łączymy czytelników z partnerami oferującymi usługi sprzedaży biletów, jednak nie gwarantujemy ich dostępności, cen ani warunków zakupu. Wszystkie informacje o biletach pochodzą od stron trzecich i mogą ulec zmianie bez wcześniejszego powiadomienia.
Wszystkie informacje na naszym portalu mogą ulec zmianie bez wcześniejszego powiadomienia. Korzystając z tego portalu, zgadzasz się czytać treści na własne ryzyko.