AI 学会像人类一样思考:机器学习领域的变革者

煤油灯科技2024-07-26 13:17

佐治亚理工学院的研究人员开发了一个名为RTNet的神经网络,该网络模仿了人类决策过程,包括信心和变化性,从而提高了其在数字识别等任务中的可靠性和准确性。

人类每天会做出近35,000个决定,从判断过马路是否安全到选择午餐吃什么。每个决定都涉及评估选项、回忆类似的过去情境,并对正确的选择感到合理自信。看似一瞬间的决定,实际上都是根据环境中的证据收集而做出的。此外,同一个人在不同的时间面对相同的情境,可能会做出不同的决定。

神经网络则恰恰相反,每次都会做出相同的决策。现在,乔治亚理工学院副教授 Dobromir Rahnev 实验室的研究人员正在训练神经网络,让它们做出更像人类的决策。尽管人类决策科学的理念才刚刚被应用于机器学习领域,但研究人员认为,开发更接近真实人类大脑的神经网络,可以使其更加可靠。

在《自然·人类行为》杂志上的一篇论文中,心理学学院的一个研究团队揭示了一种新的神经网络,这种网络经过训练能做出与人类相似的决策。

解码决策

“神经网络在做出决策时,不会告诉你它是否对自己的决策有信心,”在佐治亚理工学院攻读心理学博士的Farshad Rafiei说道。“这与人类做决策的本质区别之一。”

例如,大型语言模型(LLM)容易产生幻觉。当LLM被问及一个它不知道答案的问题时,它会在不承认虚构的情况下编造一个答案。相比之下,在相同情况下的大多数人类会承认他们不知道答案。构建一个更类似人类的神经网络可以防止这种双重性,并得出更准确的答案。

建立模型

研究团队使用一种著名的计算机科学数据集MNIST中的手写数字来训练神经网络,并要求它识别每个数字。为了确定模型的准确性,他们首先用原始数据集运行神经网络,然后向数字添加噪声,使其更难被人类辨识。为了将模型性能与人类进行比较,他们在没有噪声的原始MNIST数据集上训练了他们的模型(以及另外三个模型:CNet、BLNet和MSDNet),但在实验中使用了带有噪声的版本进行测试,并比较了两个数据集的结果。

研究人员的模型依赖两个关键组成部分:一个贝叶斯神经网络(BNN),它使用概率来做出决策;以及一个证据累积过程,该过程跟踪每个选择的证据。BNN 每次产生的响应略有不同。随着它收集到更多证据,累积过程有时会倾向于一个选择,而有时又倾向于另一个选择。一旦有了足够的证据来做出决定,RTNet 就会停止累积过程并做出决策。

研究人员还计算了模型做出决策的速度,以观察它是否遵循一种被称为“速度-准确性权衡”的心理现象,该现象表明人类在必须迅速做出决策时准确性会降低。

在得到模型结果后,他们将其与人类的结果进行了比较。60名佐治亚理工学院的学生查看了相同的数据集,并分享了他们对决策的自信程度,研究人员发现人类和神经网络在准确率、反应时间和自信度模式方面均相似。

拉菲伊说:“一般来说,我们现有的计算机科学文献中的人类数据并不充足,因此,我们不知道当人们接触这些图像时会如何反应。这一局限阻碍了准确复制人类决策过程的模型的发展。这项研究为人类对MNIST的反应提供了最大的数据集之一。”

该团队的模型不仅优于所有竞争对手的确定性模型,而且由于人类心理学的另一个基本要素,在高速场景下表现得更准确:RTNet的行为与人类相似。例如,人们在做出正确决策时会更有信心。拉菲埃指出,该模型甚至无需经过特别训练来偏好于置信度,就能自动应用这一特性。

他说:“如果我们尝试让我们的模型更接近人脑,那么无需微调,其行为本身就会表现出来。”

研究团队希望能够在更多样化的数据集上训练神经网络,以测试其潜力。他们还期望将这种贝叶斯神经网络模型应用于其他神经网络,使它们能够更像人类那样进行理性推理。最终,算法将不仅能够模仿我们的决策能力,甚至还能帮助我们卸下每天所做的35,000个决策中的一些认知负担。

参考:“Farshad Rafiei、Medha Shekhar和Dobromir Rahnev在《自然-人类行为》杂志2024年7月12日发表的《神经网络RTNet呈现出人类感知决策制定的特征》”一文。DOI: 10.1038/s41562-024-01914-8

你可能也喜欢这些文章

科技互联网,科技,资讯,动态,洞察,量子,计算,AI,人工智能,机器人,区块链,Web3,分布式,操作系统,OS,芯片,视频,深度,论文