21.07.2024
Подписывайтесь на Telegram-канал по ссылке

Искусственный интеллект научился предсказывать действия людей

Future actions human AI

Учёные из США разработали модель искусственного интеллекта, которая точно предсказывает будущие действия человека или машины. Представленный исследователями инструмент называется «Модель скрытого вычислительного бюджета» (L-IBM). L-IBM работает путём анализа прошлого поведения, действий и ограничений, связанных с мыслительным процессом агента — человека или другого ИИ. Учёные утверждают, что L-IBM превосходит существующие модели с аналогичным функционалом. L-IBM смоделировала почти все аспекты принятия решений человеком, включая повседневные действия, поведение, общение и стратегию. Например, модель прогнозировала ходы игроков в шахматной игре. Исследование опубликовано по ссылке.

Чтобы смоделировать процесс принятия решений агентом, L-IBM сначала анализирует поведение человека и факторы, которые на него влияют. Другими словами, модель стремится смоделировать не только то, что агенты хотят сделать, но и то, что они действительно сделают в конкретной ситуации. На первом этапе учёные наблюдали за агентами, которые оказывались в лабиринте в случайных точках. Исследователи использовали модель L-IBM для понимания ограничений их мышления и вычислений, а также предсказания поведения. Этот анализ выявил цели агента, а также способность ориентироваться и принимать сложные решения.

На следующем этапе модель L-IBM изучила речевые сигналы и подсказки, связанные с общением. Для исследования этого аспекта учёные провели игру с участием спикера и слушателя. Слушателю предоставляли набор разных цветов, он выбирал один, но не мог напрямую сообщить говорящему название выбранного цвета. Задача говорящего — описать цвет слушающему с помощью естественно-языковых высказываний (по сути, говорящий даёт подсказки, используя различные слова). Если слушатель выбирает тот же цвет, что и говорящий, они оба побеждают. Целью учёных было выяснить, насколько люди учитывают контекст и реакции партнёров в коммуникации, и как эти навыки влияют на успешность их общения.

На третьем этапе исследователи изучили то, сколько времени игроки тратят на обдумывание ходов в шахматной партии. Они также обратили внимание на разницу во времени, которое более слабые и сильные шахматисты тратили на обдумывание своих ходов. Учёные поняли, что «глубина планирования», или то, как долго человек думает над проблемой, является хорошим показателем его поведения. Учёные передали эти данные в L-IBM и смоделировали вариативность решений игроков в разных игровых ситуациях. «Вычислительный бюджет» (результат работы L-IBM) точно отразил разницу между тем, как размышляют слабые и сильные шахматисты. По словам учёных, этот результат оказался очень легко интерпретируемым. Он показывает, что более сложные задачи требуют большего планирования, а сильный игрок — это тот, кто планирует на несколько ходов вперёд. Иными словами, если модель искусственного интеллекта знает, кто из игроков сильнее, она с большей вероятностью сможет точно предсказать победителя партии.

Эти три этапа демонстрируют, что L-IBM способна моделировать практически все аспекты принятия решений людьми, включая повседневные действия, поведение, общение и стратегию. L-IBM превосходит классические модели, одновременно оценивая человеческие навыки и сложность задач. Отличие L-IBM от предыдущих моделей заключается в том, что вместо случайных данных она учитывает прошлое поведение и ограничения агента для получения результатов. Текущее исследование позволит учёным эффективнее обучать искусственный интеллект деталям человеческого поведения. Если ИИ-агент предсказывает ошибки людей, основываясь на их предыдущих действиях, он сможет вмешаться и предложить лучший способ решения задачи. Такой агент также будет адаптироваться к слабым сторонам человека.