Përmbledhje: Studiuesit zhvilluan një rrjet nervor që imiton vendimmarrjen njerëzore duke përfshirë elemente të pasigurisë dhe grumbullimit të provave. Ky model, i trajnuar në shifra të shkruara me dorë, prodhon më shumë vendime të ngjashme me njerëzit në krahasim me rrjetet nervore tradicionale.
Ajo tregon saktësi të ngjashme, kohë përgjigjeje dhe modele besimi për njerëzit. Ky përparim mund të çojë në sisteme më të besueshme të AI dhe të zvogëlojë ngarkesën njohëse të vendimmarrjes ditore.
Faktet kryesore:
- Vendime të ngjashme me njerëzit: Rrjeti nervor imiton pasigurinë njerëzore dhe akumulimin e provave në vendimmarrje.
- Krahasimi i performancës: Modeli tregon modele të ngjashme saktësie dhe besimi me njerëzit kur testohet në një grup të dhënash të zhurmshme.
- Potenciali i së ardhmes: Kjo qasje mund të përmirësojë besueshmërinë e AI dhe të ndihmojë në shkarkimin e ngarkesave njohëse nga vendimet e përditshme.
Burimi: Instituti i Teknologjisë së Gjeorgjisë
Njerëzit marrin afro 35,000 vendime çdo ditë, nga fakti nëse është e sigurt të kalosh rrugën e deri te çfarë të hamë për drekë. Çdo vendim përfshin peshimin e opsioneve, kujtimin e skenarëve të ngjashëm të së kaluarës dhe ndjenjën e arsyeshme të besimit për zgjedhjen e duhur. Ajo që mund të duket si një vendim i menjëhershëm vjen nga mbledhja e provave nga mjedisi përreth. Dhe shpesh i njëjti person merr vendime të ndryshme në të njëjtat skenarë në kohë të ndryshme.
Rrjetet nervore bëjnë të kundërtën, duke marrë të njëjtat vendime çdo herë. Tani, studiuesit e Georgia Tech në laboratorin e profesorit të asociuar Dobromir Rahnev po i trajnojnë ata që të marrin vendime më shumë si njerëzit.
Kjo shkencë e vendimmarrjes njerëzore sapo po aplikohet në mësimin e makinerive, por zhvillimi i një rrjeti nervor edhe më afër trurit aktual të njeriut mund ta bëjë atë më të besueshëm, sipas studiuesve.
Në një letër në Natyra Sjellja e njeriut“Rrjeti nervor RTNet ekspozon nënshkrimet e vendimmarrjes perceptuese njerëzore”, një ekip nga Shkolla e Psikologjisë zbulon një rrjet të ri nervor të trajnuar për të marrë vendime të ngjashme me njerëzit.
Vendimi për dekodim
“Rrjetet nervore marrin një vendim pa ju thënë nëse janë të sigurt për vendimin e tyre apo jo”, tha Farshad Rafiei, i cili fitoi doktoraturën e tij. në psikologji në Georgia Tech. “Ky është një nga ndryshimet thelbësore nga mënyra se si njerëzit marrin vendime.”
Modelet e mëdha gjuhësore (LLM), për shembull, janë të prirur ndaj halucinacioneve. Kur një LLM i bëhet një pyetje për të cilën nuk e di përgjigjen, ajo do të krijojë diçka pa e pranuar artificën. Në të kundërt, shumica e njerëzve në të njëjtën situatë do të pranojnë se nuk e dinë përgjigjen. Ndërtimi i një rrjeti nervor më të ngjashëm me njeriun mund të parandalojë këtë dyfishim dhe të çojë në përgjigje më të sakta.
Bërja e Modelit
Ekipi trajnoi rrjetin e tyre nervor në shifra të shkruara me dorë nga një grup i njohur i të dhënave të shkencës kompjuterike të quajtur MNIST dhe i kërkoi atij të deshifronte çdo numër. Për të përcaktuar saktësinë e modelit, ata e përdorën atë me bazën e të dhënave origjinale dhe më pas shtuan zhurmë në shifra për ta bërë më të vështirë për njerëzit që ta dallojnë.
Për të krahasuar performancën e modelit kundër njerëzve, ata trajnuan modelin e tyre (si dhe tre modele të tjera: CNet, BLNet dhe MSDNet) në grupin origjinal të të dhënave MNIST pa zhurmë, por i testuan ato në versionin e zhurmshëm të përdorur në eksperimente dhe krahasuan rezultatet nga dy grupet e të dhënave.
Modeli i studiuesve u mbështet në dy komponentë kryesorë: një rrjet nervor Bayesian (BNN), i cili përdor probabilitetin për të marrë vendime dhe një proces grumbullimi të provave që mban gjurmët e provave për secilën zgjedhje. BNN prodhon përgjigje që janë paksa të ndryshme çdo herë.
Ndërsa mbledh më shumë prova, procesi i akumulimit ndonjëherë mund të favorizojë një zgjedhje dhe nganjëherë një tjetër. Pasi të ketë prova të mjaftueshme për të vendosur, RTNet ndalon procesin e akumulimit dhe merr një vendim.
Studiuesit gjithashtu caktuan kohën e shpejtësisë së vendimmarrjes së modelit për të parë nëse ai ndjek një fenomen psikologjik të quajtur “shkëmbimi i shpejtësisë dhe saktësisë” që dikton se njerëzit janë më pak të saktë kur duhet të marrin vendime shpejt.
Pasi patën rezultatet e modelit, ata i krahasuan me rezultatet e njerëzve. Gjashtëdhjetë studentë të Georgia Tech shikuan të njëjtin grup të dhënash dhe ndanë besimin e tyre në vendimet e tyre, dhe studiuesit zbuluan se shkalla e saktësisë, koha e përgjigjes dhe modelet e besimit ishin të ngjashme midis njerëzve dhe rrjetit nervor.
“Në përgjithësi, ne nuk kemi të dhëna të mjaftueshme njerëzore në literaturën ekzistuese të shkencave kompjuterike, kështu që nuk e dimë se si do të sillen njerëzit kur ekspozohen ndaj këtyre imazheve. Ky kufizim pengon zhvillimin e modeleve që përsërisin me saktësi vendimmarrjen njerëzore, “tha Rafiei.
“Kjo punë ofron një nga grupet më të mëdha të të dhënave të njerëzve që i përgjigjen MNIST.”
Jo vetëm që modeli i ekipit i tejkaloi të gjitha modelet rivale deterministe, por gjithashtu ishte më i saktë në skenarët me shpejtësi më të lartë për shkak të një elementi tjetër themelor të psikologjisë njerëzore: RTNet sillet si njerëzit. Si shembull, njerëzit ndihen më të sigurt kur marrin vendime të sakta. Pa pasur nevojë as të trajnojë modelin në mënyrë specifike për të favorizuar besimin, modeli e aplikoi automatikisht atë, vuri në dukje Rafiei.
“Nëse ne përpiqemi t’i bëjmë modelet tona më afër trurit të njeriut, kjo do të shfaqet në vetë sjelljen pa rregullim të imët,” tha ai.
Ekipi hulumtues shpreson të trajnojë rrjetin nervor në grupe të dhënash më të ndryshme për të testuar potencialin e tij. Ata gjithashtu presin të aplikojnë këtë model BNN në rrjete të tjera nervore për t’u mundësuar atyre të racionalizohen më shumë si njerëzit.
Përfundimisht, algoritmet jo vetëm që do të jenë në gjendje të imitojnë aftësitë tona vendimmarrëse, por madje mund të ndihmojnë në shkarkimin e një pjese të barrës njohëse të atyre 35,000 vendimeve që marrim çdo ditë.
Rreth këtij lajmi për hulumtimin e inteligjencës artificiale
Autori: Tess Malone
Burimi: Instituti i Teknologjisë së Gjeorgjisë
Kontaktoni: Tess Malone – Instituti i Teknologjisë në Gjeorgji
Imazhi: Imazhi është kredituar për Neuroscience News
Hulumtimi origjinal: Qasje e mbyllur.
“Rrjeti nervor RTNet shfaq nënshkrimet e vendimmarrjes perceptuese njerëzore” nga Dobromir Rahnev et al. Natyra Sjellja e njeriut
Abstrakt
Rrjeti nervor RTNet shfaq nënshkrimet e vendimmarrjes perceptuese njerëzore
Rrjetet nervore konvolucionale tregojnë premtime si modele të vizionit biologjik. Megjithatë, sjellja e tyre vendimmarrëse, duke përfshirë faktin se ata janë determinist dhe përdorin numër të barabartë llogaritjesh për stimuj të lehtë dhe të vështirë, ndryshon dukshëm nga vendimmarrja njerëzore, duke kufizuar kështu zbatueshmërinë e tyre si modele të sjelljes perceptuese njerëzore.
Këtu ne zhvillojmë një rrjet të ri nervor, RTNet, që gjeneron vendime stokastike dhe shpërndarje të kohës së reagimit të ngjashëm me njeriun (RT). Ne kryem më tej teste gjithëpërfshirëse që treguan se RTNet riprodhon të gjitha tiparet themelore të saktësisë njerëzore, RT dhe besimit dhe e bën këtë më mirë se të gjitha alternativat aktuale.
Për të testuar aftësinë e RTNet për të parashikuar sjelljen njerëzore në imazhe të reja, ne mblodhëm të dhëna të saktësisë, RT dhe besimit nga 60 pjesëmarrës njerëz që kryenin një detyrë të diskriminimit me shifra. Ne zbuluam se saktësia, RT dhe besimi i prodhuar nga RTNet për imazhet individuale të reja lidheshin me të njëjtat sasi të prodhuara nga pjesëmarrësit njerëzorë.
Në mënyrë kritike, pjesëmarrësit njerëz që ishin më të ngjashëm me performancën mesatare njerëzore u zbuluan gjithashtu se ishin më afër parashikimeve të RTNet, duke sugjeruar që RTNet kapi me sukses sjelljen mesatare njerëzore.
Në përgjithësi, RTNet është një model premtues i RT-ve njerëzore që shfaq shenjat kritike të vendimmarrjes perceptuese.