MIT insanın gelecekteki eylemlerini tahmin edebilen bir yapay zeka modeli üzerinde çalışıyor

MIT insanın gelecekteki eylemlerini tahmin edebilen bir yapay zeka modeli üzerinde çalışıyor

MIT ve Washington Üniversitesi'ndeki araştırmacıların gerçekleştirdiği yeni bir çalışma, bir kişinin veya makinenin gelecekteki eylemlerini doğru bir şekilde tahmin edebilen bir yapay zeka modelini ortaya koyuyor...

Yapay zeka, gizli çıkarım bütçe modeli (L-IBM) olarak bilinir. Araştırmanın yazarları, L-IBM'in, insanın karar verme sürecini modelleme kapasitesine sahip, daha önce önerilen diğer çerçevelerden daha iyi olduğunu iddia ediyor.

Bir aracının (bir insan ya da başka bir yapay zeka olabilir) düşünme süreciyle bağlantılı geçmiş davranışları, eylemleri ve sınırlamaları inceleyerek çalışır. Değerlendirme sonrasında elde edilen veri veya sonuca çıkarım bütçesi denir.

Bir satranç oyunundaki insan oyuncuların hareketlerini tahmin etmek için L-IBM'i kullandılar. Çalışma yazarları, "Sonuçlarımız, optimal olmayan insan karar verme sürecinin, standart arama algoritmalarının hesaplama açısından kısıtlanmış versiyonları ile verimli bir şekilde modellenebileceğini gösteriyor" dedi.

"Bunu yaparak, hem insanların karar verme süreçlerine ilişkin doğru modelleri hem de çıkarımsal kapasitelerine ilişkin bilgilendirici ölçümleri elde ediyoruz" diye eklediler.

Yapay zeka modeli insan davranışını nasıl tahmin ediyor?

L-IBM, bir temsilcinin karar verme sürecini modellemek için öncelikle bireyin davranışını ve onu etkileyen farklı değişkenleri analiz eder. Araştırmacılar, "Başka bir deyişle, hem ajanların ne yapmak istediğini hem de ajanların herhangi bir durumda gerçekte ne yapacağını modellemeye çalışıyoruz" dedi.

Bu adım, bir labirentte rastgele konumlara yerleştirilen ajanların gözlemlenmesini içeriyordu. Daha sonra L-IBM modeli, düşünme/hesaplama sınırlamalarını anlamak ve davranışlarını tahmin etmek için kullanıldı.

Bu analiz, bir temsilcinin hedeflerini, gezinme ve karmaşık kararlar alma yeteneğini ortaya çıkardı.

Bir sonraki adımda model, dil ve iletişimle ilgili ipuçlarını inceledi. Araştırmacılar, "İnsanların, dili "gerçek" anlamından sapacak şekilde kolayca ürettiğini ve anladığını" belirtiyor.

Araştırmacılar deneklere bir referans oyunu oynattı. Oyun bir konuşmacı ve bir dinleyiciden oluşur. İkincisi bir dizi farklı renk alır, birini seçer ancak seçtiği rengin adını doğrudan dinleyiciye söyleyemez.

Konuşmacı, doğal dil ifadeleriyle konuşmacılara rengi açıklar (temel olarak konuşmacı, ipucu olarak farklı kelimeler verir). Dinleyici, konuşmacının setten seçtiği rengin aynısını seçerse ikisi de kazanır.

"İnsan referans oyunlarındaki ifadelere ve seçimlere bir L-IBM yerleştirerek, insanların yalnızca davranışlardan pragmatik akıl yürütmeyle meşgul olup olmadıklarını, oyuncular arasında muhatapları hakkında akıl yürütme yeteneklerinde farklılıklar olup olmadığını ve muhatapları hakkında akıl yürütme yeteneklerinde farklılıklar olup olmadığını araştırıyoruz. Bu farklılıklar aslında iletişimsel başarıyı öngörüyor” diye açıklıyor çalışmanın yazarları.

Son adım: İnsan satranç oyununun modellenmesi

Model, farklı insan oyuncuların bir satranç oyunu sırasında hamlelerini yapmak için harcadıkları zamana odaklandı. Ayrıca, daha zayıf ve daha güçlü satranç oyuncularının hamlelerini düşünmek için harcadıkları zaman farkını da fark ettiler.

Araştırmanın yazarlarından biri ve doktora öğrencisi olan Athul Paul Jacob, "Günün sonunda, planlamanın derinliğinin veya birinin sorun hakkında ne kadar süre düşündüğünün, insanların nasıl davrandığının gerçekten iyi bir göstergesi olduğunu gördük" dedi. .D.

Amaç, bu verileri L-IBM'e aktarıp aktaramayacaklarını bulmak ve oyuncuların oyun durumları arasındaki kararlarındaki değişkenliği modellemekti.

Çıkarım bütçesi (sonuç), daha zayıf ve daha güçlü satranç oyuncuları arasındaki farkı doğru bir şekilde ortaya koydu.

“Benim için en dikkat çekici şey bu çıkarım bütçesinin oldukça yorumlanabilir olmasıydı. Daha zor sorunların daha fazla planlama gerektirdiğini veya güçlü bir oyuncu olmanın daha uzun süre planlama yapmak anlamına geldiğini söylüyor. Bunu yapmaya ilk başladığımızda algoritmamızın bu davranışları doğal olarak algılayabileceğini düşünmüyorduk" dedi Jacob.

Yapay zeka modeli hangi oyuncunun daha iyi olduğunu bilirse, hangi oyuncunun oyunu kazanacağını doğru bir şekilde tahmin etmesi muhtemeldir.

Bu yapay zeka modeli daha iyi kararlar almamıza yardımcı olabilir

Üç adım, L-IBM çerçevesinin rutinler, davranış, iletişim ve strateji dahil olmak üzere insanın karar verme sürecinin hemen hemen tüm yönlerini modelleme potansiyeline sahip olduğunu göstermektedir.

Araştırmacılar, "İnsan becerisi ve görev zorluğuna ilişkin anlamlı ölçümler atfederken, klasik sınırlı rasyonellik modellerinden daha iyi performans gösterebileceğini gösterdik" dedi.

L-IBM'i önceki modellerden farklı kılan şey, rastgele veriler yerine, bir aracının geçmiş davranışlarını ve sınırlamalarını dikkate alarak sonuç üretmesidir.

"Bir insanın daha önce nasıl davrandığını gördükten sonra hata yapmak üzere olduğunu biliyorsak, yapay zeka ajanı devreye girip bunu yapmanın daha iyi bir yolunu sunabilir. Veya aracı, insan işbirlikçilerinin sahip olduğu zayıflıklara uyum sağlayabilir. İnsan davranışını modelleyebilmek, o insana gerçekten yardımcı olabilecek bir yapay zeka aracısı oluşturma yolunda önemli bir adımdır" dedi Jacob.

Mevcut çalışma aynı zamanda bilim adamlarının insan davranışının ayrıntılarını yapay zeka programlarına daha etkili bir şekilde öğretmelerine olanak tanıyacak. Ancak L-IBM mükemmel bir çerçeve değildir.

Jacob ve ekibi şimdi daha iyi modeller bulmak için daha fazla araştırma yapmayı planlıyor.

Kaynak: IE