ملخص: طور الباحثون شبكة عصبية تحاكي عملية صنع القرار البشري من خلال دمج عناصر عدم اليقين وتراكم الأدلة. وينتج النموذج، الذي تم تدريبه على أرقام مكتوبة بخط اليد، نتائج شبيهة بالنتائج البشرية مقارنة بالشبكات العصبية التقليدية.
يُظهر دقة وزمن استجابة وأنماط ثقة مماثلة للبشر. سيؤدي هذا التقدم إلى أنظمة ذكاء اصطناعي أكثر موثوقية ويقلل العبء المعرفي لعملية صنع القرار اليومية.
مفتاح الحقائق:
- نتائج شبيهة بالإنسان: تحاكي الشبكة العصبية عدم اليقين البشري وتراكم الأدلة في عملية صنع القرار.
- مقارنة الأداء: عند اختباره على مجموعة بيانات صاخبة، يُظهر النموذج أنماطًا من الدقة والثقة مماثلة للبشر.
- الإمكانات المستقبلية: سيؤدي هذا النهج إلى تحسين موثوقية الذكاء الاصطناعي والمساعدة في تقليل العبء المعرفي الناتج عن القرارات اليومية.
مصدر: معهد جورجيا للتكنولوجيا
يتخذ البشر ما يقرب من 35000 قرار يوميًا، بدءًا من ما إذا كان عبور الطريق آمنًا إلى ما يجب تناوله على الغداء. يتضمن كل قرار تقييم الخيارات، وتذكر السيناريوهات السابقة المماثلة، والشعور بالثقة بشكل معقول في الاختيار الصحيح. ما يبدو وكأنه قرار سريع يأتي في الواقع من جمع الأدلة من البيئة المحيطة. وغالبًا ما يتخذ نفس الشخص قرارات مختلفة بشأن نفس السيناريو في أوقات مختلفة.
تفعل الشبكات العصبية العكس، حيث تتوصل إلى نفس الاستنتاجات في كل مرة. الآن، يقوم باحثو معهد جورجيا للتكنولوجيا في مختبر البروفيسور المشارك دوبرومير راهن بتدريبهم على اتخاذ قرارات تشبه قرارات الإنسان.
تم تطبيق علم صنع القرار البشري هذا فقط على التعلم الآلي، لكن الباحثين يشيرون إلى أن بناء شبكة عصبية أقرب إلى الدماغ البشري الحقيقي يمكن أن يجعلها أكثر موثوقية.
على قطعة من الورق السلوك البشري الطبيعي“الشبكة العصبية RTNet تكشف عن توقيعات صنع القرار المعرفي البشري”، كشف فريق من كلية علم النفس عن شبكة عصبية جديدة مدربة على اتخاذ قرارات شبيهة بالإنسان.
نتيجة فك التشفير
قال فرشاد رفيعي، دكتوراه: “تتخذ الشبكات العصبية قرارات دون إخبارك ما إذا كانت هناك ثقة في نتائجها أم لا”. في علم النفس في جامعة جورجيا للتكنولوجيا. “هذا أحد الاختلافات المهمة عن كيفية اتخاذ الناس للقرارات.”
على سبيل المثال، نماذج اللغة الكبيرة (LLM) عرضة للهلوسة. إذا تم طرح سؤال على ماجستير في القانون ولم يعرف الإجابة، فإنه يخلق شيئًا دون التعرف على المهارة الفنية. وعلى العكس من ذلك، فإن معظم البشر في نفس الموقف يعترفون بأنهم لا يعرفون الإجابة. ومن خلال إنشاء شبكة عصبية شبيهة بالإنسان، يمكن تجنب هذه الازدواجية وتؤدي إلى استجابات أكثر دقة.
إنشاء النموذج
قام الفريق بتدريب شبكتهم العصبية على أرقام مكتوبة بخط اليد من مجموعة بيانات علوم الكمبيوتر الشهيرة تسمى MNIST وطلب منهم فك رموز كل رقم. ولتحديد دقة النموذج، قاموا بتشغيله على مجموعة البيانات الأصلية ثم أضافوا ضوضاء إلى الأرقام لجعل اكتشافها أكثر صعوبة على البشر.
لمقارنة أداء النموذج مع البشر، قاموا بتدريب نموذجهم (بالإضافة إلى ثلاثة نماذج أخرى: CNet، وBLNet، وMSDNet) بدون ضوضاء على مجموعة بيانات MNIST الأصلية، لكنهم اختبروها على النسخة الصامتة المستخدمة في التجارب. مجموعتي بيانات.
اعتمد نموذج الباحثين على عنصرين رئيسيين: الشبكة العصبية البايزية (BNN)، التي تستخدم الاحتمالية لاتخاذ القرارات، وعملية تراكم الأدلة التي تتتبع الأدلة لكل خيار. تنتج BNN إجابات مختلفة قليلاً في كل مرة.
ومع تراكم المزيد من الأدلة، فإن عملية التراكم تفضل أحيانًا خيارًا واحدًا وأحيانًا الآخر. إذا كان هناك ما يكفي من الأدلة لاتخاذ قرار، توقف RTNet عملية التجميع وتتخذ القرار.
قام الباحثون أيضًا بقياس سرعة اتخاذ القرار في النموذج لمعرفة ما إذا كانت تتبع ظاهرة نفسية تسمى “المفاضلة بين السرعة والدقة”، والتي تنص على أن البشر يكونون أقل دقة عندما يتخذون القرارات بسرعة.
وبمجرد حصولهم على نتائج النموذج، قاموا بمقارنتها بالنتائج لدى البشر. نظر ستون طالبًا من طلاب معهد جورجيا للتكنولوجيا إلى مجموعة البيانات نفسها وشاركوا ثقتهم في نتائجهم، ووجد الباحثون أن معدلات الدقة وأوقات الاستجابة وأنماط الثقة كانت متشابهة بين البشر والشبكات العصبية.
وقال رفيعي: “بشكل عام، تفتقر أدبيات علوم الكمبيوتر الحالية إلى بيانات بشرية كافية، لذلك لا نعرف كيف سيتصرف الناس عندما يتعرضون لهذه الصور. وهذا القيد يعيق تطوير النماذج التي تعكس بدقة عملية صنع القرار البشري”.
“يوفر هذا العمل واحدة من أكبر مجموعات البيانات للبشر الذين يستجيبون لـ MNIST.”
لم يتفوق نموذج الفريق في الأداء على جميع نماذج القرار المنافسة فحسب، بل كان أكثر دقة في السيناريوهات عالية السرعة بسبب عنصر أساسي آخر في علم النفس البشري: تتصرف شبكة RTNet مثل البشر. على سبيل المثال، يكون الناس أكثر ثقة عندما يتخذون القرارات الصحيحة. وأشار رفيع إلى أنه بدون تدريب النموذج على وجه التحديد لدعم الاعتقاد، استخدمه النموذج تلقائيًا.
وقال: “إذا حاولنا أن نجعل نماذجنا أقرب إلى الدماغ البشري، فسوف تظهر في السلوك بدلاً من الضبط الدقيق”.
ويأمل فريق البحث في تدريب الشبكة العصبية على مجموعات بيانات مختلفة لاختبار قدرتها. إنهم يأملون في تطبيق نموذج BNN هذا على الشبكات العصبية الأخرى وجعلها تفكر مثل البشر.
في نهاية المطاف، لا تستطيع الخوارزميات تقليد قدراتنا على اتخاذ القرار فحسب، بل يمكنها أيضًا المساعدة في تقليل بعض العبء المعرفي لتلك القرارات التي نتخذها يوميًا والتي يبلغ عددها 35000 قرار.
حول أخبار أبحاث الذكاء الاصطناعي
مؤلف: ديس مالون
مصدر: معهد جورجيا للتكنولوجيا
اتصال: دي مالون – معهد جورجيا للتكنولوجيا
صورة: يُنسب الفيلم إلى Neuronews
البحث الأصلي: وصول مغلق.
“تكشف الشبكة العصبية RTNet عن توقيعات عملية صنع القرار المعرفي البشريدوبرومير رانيف وآخرون. السلوك البشري الطبيعي
ملخص
تكشف الشبكة العصبية RTNet عن توقيعات عملية صنع القرار المعرفي البشري
الشبكات العصبية التلافيفية نموذج الحزم في الرؤية البيولوجية. ومع ذلك، فإن سلوكهم في اتخاذ القرار، وهو سلوك حتمي ويستخدم عددًا متساويًا من الحسابات للمحفزات السهلة والصعبة، يختلف بشكل ملحوظ عن اتخاذ القرار البشري، مما يحد من إمكانية تطبيقها كنماذج للسلوك المعرفي البشري.
نحن هنا نطور شبكة عصبية جديدة، RTNet، التي تولد قرارات عشوائية وتوزيعات زمن الاستجابة (RT) الشبيهة بالإنسان. لقد أجرينا اختبارات أكثر شمولاً لإثبات أن RTNet تستنسخ جميع الجوانب الأساسية للدقة البشرية، RT، والثقة وتتفوق على جميع البدائل الحالية.
لاختبار قدرة RTNet على التنبؤ بالسلوك البشري في صور جديدة، قمنا بجمع بيانات الدقة وRT والثقة من 60 مشاركًا بشريًا يقومون بمهمة التمييز الرقمي. لقد وجدنا أن الدقة وRT والثقة التي تنتجها RTNet للصور الفردية الجديدة كانت مرتبطة بنفس التدابير التي ينتجها المشاركون البشريون.
بشكل حاسم، وجد أن المشاركين البشريين ذوي متوسط الأداء البشري المتشابه جدًا كانوا قريبين من تنبؤات RTNet، مما يشير إلى أن RTNet نجحت في التقاط متوسط السلوك البشري.
بشكل عام، يعد RTNet نموذجًا واعدًا لـ RTs البشرية التي تكشف عن التوقيعات الرئيسية لصنع القرار الإدراكي.