Razvoj neuronskih mreža koje oponašaju ljudske odluke: novi pristup u umjetnoj inteligenciji

Istraživači na Georgia Techu razvili su neuronsku mrežu nazvanu RTNet koja oponaša ljudske odluke, koristeći Bayesovske neuronske mreže i procese akumulacije dokaza, donoseći odluke slične ljudima. Cilj je smanjiti kognitivno opterećenje svakodnevnog odlučivanja.

Razvoj neuronskih mreža koje oponašaju ljudske odluke: novi pristup u umjetnoj inteligenciji
Photo by: Domagoj Skledar/ arhiva (vlastita)

Ljudi svakodnevno donose tisuće odluka, od jednostavnih, poput prelaska ceste, do složenijih, kao što su odabiri hrane. Istraživači na Georgia Techu razvili su neuronsku mrežu koja oponaša ljudske odluke, s ciljem da se približe ljudskom načinu razmišljanja i odlučivanja. Ova mreža, nazvana RTNet, koristi Bayesovsku neuronsku mrežu (BNN) i proces akumulacije dokaza kako bi donosila odluke na način sličan ljudima.

Dekodiranje odluka
"Neuronske mreže obično donose odluke bez izražavanja razine sigurnosti u svoje odluke," rekao je Farshad Rafiei, doktor psihologije s Georgia Techa. "To je jedna od ključnih razlika u odnosu na ljude." Ova nova mreža, međutim, može pružiti odgovore koji uključuju stupanj sigurnosti, što je ključni korak prema ljudskom ponašanju u odlučivanju.

Veliki jezični modeli (LLM) često izmišljaju odgovore kada ne znaju točne informacije. Za razliku od njih, ljudi će priznati neznanje u sličnim situacijama. Izgradnja mreža koje bolje oponašaju ljudske reakcije može smanjiti ovu vrstu pogrešaka i poboljšati točnost odgovora.

Izrada modela
Tim s Georgia Techa trenirao je svoju mrežu na rukom pisanim brojkama iz poznatog MNIST skupa podataka. Kako bi testirali točnost modela, dodali su šum slikama, što je otežalo prepoznavanje brojeva. Model je potom uspoređen s rezultatima ljudskih ispitanika. Šezdeset studenata promatralo je iste slike i izražavalo svoju sigurnost u odluke, a rezultati su pokazali sličnosti u točnosti, vremenu reakcije i obrascima sigurnosti između ljudi i mreže.

Istraživači su koristili dvije ključne komponente: BNN, koja koristi vjerojatnost za donošenje odluka, i proces akumulacije dokaza, koji prati dokaze za svaki izbor. BNN proizvodi različite odgovore svaki put, a proces akumulacije može favorizirati jedan izbor nad drugim dok se ne prikupi dovoljno dokaza za odluku.

Brzina donošenja odluka također je testirana, prateći fenomen poznat kao "brzinsko-točnostni kompromis" koji nalaže da ljudi donose manje točne odluke kada su pod vremenskim pritiskom. Rezultati su pokazali da model RTNet oponaša ovaj fenomen.

Istraživači su također otkrili da se RTNet ponaša kao ljudi u smislu sigurnosti odluka - ljudi se osjećaju sigurnije kada su njihove odluke ispravne, a RTNet je pokazao slične karakteristike bez posebnog treniranja za to.

Budućnost istraživanja
Tim planira proširiti istraživanje treniranjem mreže na raznovrsnijim skupovima podataka kako bi testirali njen potencijal. Očekuje se primjena ovog modela na druge neuronske mreže kako bi se omogućilo racionaliziranje odluka slično ljudima. Dugoročno gledano, algoritmi bi mogli pomoći u rasterećenju kognitivnog opterećenja od tih tisuća odluka koje donosimo svakodnevno.

Pored toga, istraživanja na MIT-u razvijaju fleksibilne mreže, poznate kao "tekuće" neuronske mreže, koje se prilagođavaju promjenjivim uvjetima i omogućuju bolje razumijevanje i dijagnostiku mrežnih odluka. Ove mreže pokazale su visoku točnost u predviđanju budućih vrijednosti u raznim skupovima podataka, uključujući kemiju atmosfere i prometne obrasce.

Istraživači sa Stanforda istražuju kako neuronske mreže mogu pomoći u složenim zadacima kao što je predviđanje ishoda na temelju povijesti nagrađivanja i procjene rizika, što bi moglo poboljšati donošenje odluka u nepoznatim situacijama.

Na kraju, cilj je razviti algoritme koji ne samo da oponašaju naše sposobnosti donošenja odluka, već bi mogli čak pomoći u smanjenju kognitivnog opterećenja koje nosimo svakodnevno.

Izvor: Georgia Institute of Technology

PRONAĐITE SMJEŠTAJ U BLIZINI

Kreirano: nedjelja, 21. srpnja, 2024.
VIŠE S WEB-a

AI Lara Teč

AI Lara Teč je inovativna AI novinarka našeg globalnog portala, specijalizirana za pokrivanje najnovijih trendova i dostignuća u svijetu znanosti i tehnologije. Svojim stručnim znanjem i analitičkim pristupom, Lara pruža dubinske uvide i objašnjenja o najsloženijim temama, čineći ih pristupačnima i razumljivima za sve čitatelje diljem svijeta.

Stručna analiza i jasna objašnjenja Lara koristi svoju ekspertizu kako bi analizirala i objasnila složene znanstvene i tehnološke teme, fokusirajući se na njihovu važnost i utjecaj na svakodnevni život. Bilo da se radi o najnovijim tehnološkim inovacijama, probojima u istraživanjima ili trendovima u digitalnom svijetu, Lara pruža temeljite analize i objašnjenja, ističući ključne aspekte i potencijalne implikacije za čitatelje.

Vaš vodič kroz svijet znanosti i tehnologije Larini članci su dizajnirani da vas vode kroz kompleksni svijet znanosti i tehnologije, pružajući jasna i precizna objašnjenja. Njezina sposobnost da razloži složene koncepte na razumljive dijelove čini njezine članke nezaobilaznim resursom za sve koji žele biti u toku s najnovijim znanstvenim i tehnološkim dostignućima.

Više od AI - vaš prozor u budućnost AI Lara Teč nije samo novinarka; ona je prozor u budućnost, pružajući uvid u nove horizonte znanosti i tehnologije. Njeno stručno vodstvo i dubinska analiza pomažu čitateljima da shvate i cijene složenost i ljepotu inovacija koje oblikuju naš svijet. Sa Larom, ostanite informirani i inspirirani najnovijim dostignućima koje svijet znanosti i tehnologije ima za ponuditi.

NAPOMENA ZA NAŠE ČITATELJE
Karlobag.eu pruža vijesti, analize i informacije o globalnim događanjima i temama od interesa za čitatelje širom svijeta. Sve objavljene informacije služe isključivo u informativne svrhe.
Naglašavamo da nismo stručnjaci u znanstvenim, medicinskim, financijskim ili pravnim područjima. Stoga, prije donošenja bilo kakvih odluka temeljenih na informacijama s našeg portala, preporučujemo da se konzultirate s kvalificiranim stručnjacima.
Karlobag.eu može sadržavati poveznice na vanjske stranice trećih strana, uključujući affiliate linkove i sponzorirane sadržaje. Ako kupite proizvod ili uslugu putem ovih poveznica, možemo ostvariti proviziju. Nemamo kontrolu nad sadržajem ili politikama tih stranica te ne snosimo odgovornost za njihovu točnost, dostupnost ili bilo kakve transakcije koje obavite putem njih.
Ako objavljujemo informacije o događajima ili prodaji ulaznica, napominjemo da mi ne prodajemo ulaznice niti izravno niti preko posrednika. Naš portal isključivo informira čitatelje o događajima i mogućnostima kupnje putem vanjskih prodajnih platformi. Povezujemo čitatelje s partnerima koji nude usluge prodaje ulaznica, ali ne jamčimo njihovu dostupnost, cijene ili uvjete kupnje. Sve informacije o ulaznicama preuzete su od trećih strana i mogu biti podložne promjenama bez prethodne najave. Preporučujemo da prije bilo kakve kupnje temeljito provjerite uvjete prodaje kod odabranog partnera, budući da portal Karlobag.eu ne preuzima odgovornost za transakcije ili uvjete prodaje ulaznica.
Sve informacije na našem portalu podložne su promjenama bez prethodne najave. Korištenjem ovog portala prihvaćate da čitate sadržaj na vlastitu odgovornost.