O nouă rețea neuronală ia decizii la fel ca un om

Cercetătorii de la Georgia Tech au dezvoltat o rețea neuronală care ia decizii într-un mod similar cu cel al oamenilor. Această descoperire, publicată în revista *Nature Human Behaviour*, marchează un pas important în domeniul inteligenței artificiale și al învățării automate.

Deși majoritatea rețelelor neuronale iau aceleași decizii în mod constant, noul model dezvoltat de echipa condusă de Dobromir Rahnev a fost antrenat să imite variabilitatea decizională umană. Rețelele neuronale obișnuite oferă aceleași răspunsuri pentru aceleași inputuri, dar cercetătorii au dorit să creeze un sistem care să reflecte modul în care oamenii procesează informația și iau decizii variabile în funcție de context.

Modelul dezvoltat, denumit RTNet, folosește două componente esențiale: o rețea neuronală bayesiană (BNN) care se bazează pe probabilitate pentru luarea deciziilor și un proces de acumulare a dovezilor care permite rețelei să evalueze și să acumuleze informații înainte de a lua o decizie. Astfel, RTNet poate să ofere răspunsuri care variază ușor de fiecare dată, similar cu modul în care oamenii fac alegeri bazate pe experiență și pe dovezi disponibile.

Pentru a testa eficiența modelului, cercetătorii au utilizat un set de date cunoscut în domeniul informaticii, MNIST, care conține imagini cu cifre scrise de mână. Ei au antrenat RTNet pe versiunea originală a setului de date, apoi l-au testat pe o versiune cu zgomot adăugat pentru a evalua performanța modelului în condiții mai dificile. Rezultatele au arătat că RTNet a depășit modelele deterministe anterioare și a fost mai precis în scenarii cu viteză mare, având o performanță similară cu cea a oamenilor.

Cercetătorii au observat că modelul urmează fenomenul psihologic al „compromisului viteză-precizie”, conform căruia oamenii sunt mai puțin preciși atunci când iau decizii rapid. Comparând performanța RTNet cu cea a 60 de studenți de la Georgia Tech care au vizualizat același set de date, au constatat că rata de precizie, timpul de răspuns și modelele de încredere erau similare între oameni și rețeaua neuronală.

De asemenea, echipa de cercetare speră să extindă testarea modelului pe seturi de date mai variate și să aplice această abordare altor rețele neuronale pentru a le permite să raționalizeze mai aproape de modul uman. În viitor, astfel de algoritmi ar putea ajuta la gestionarea unei părți din povara cognitivă a deciziilor zilnice, având potențialul de a influența profund domenii precum analiza datelor și luarea deciziilor automate.