道路を横断しても安全かどうかから昼食に何を食べるかまで、人間は毎日 35,000 件近くの意思決定を行っています。すべての決定には、選択肢を比較検討し、過去の同様のシナリオを思い出し、正しい選択についてある程度の自信を感じることが含まれます。瞬時の決断のように見えるかもしれないことは、実際には周囲の環境から証拠を収集することから生まれます。そして、多くの場合、同じ人が同じシナリオで異なる時点で異なる決定を下します。

ニューラル ネットワークはその逆を行い、毎回同じ決定を下します。現在、ドブロミール・ラーネフ准教授の研究室のジョージア工科大学の研究者たちは、より人間らしく意思決定できるよう訓練している。人間の意思決定に関するこの科学は、まさに応用されたばかりです。機械学習しかし、研究者らによると、実際の人間の脳にさらに近いニューラルネットワークを開発することで、信頼性がさらに高まる可能性があるという。

ある論文で自然 人間の行動、」ニューラル ネットワーク RTNet は人間の知覚的意思決定の特徴を示します」と、心理学部のチームが、人間と同じような意思決定をするように訓練された新しいニューラルネットワークを明らかにした。

デコードの決定

「ニューラルネットワークは、自分の決定に自信があるかどうかを伝えることなく決定を下します」と、博士号を取得したファルシャド・ラフィエイ氏は言う。ジョージア工科大学で心理学の博士号を取得。「これは、人々が意思決定を行う方法との本質的な違いの 1 つです。」

たとえば、大規模言語モデル (LLM) は幻覚を起こしやすいです。LLM は、答えがわからない質問をされると、その巧妙さを認識せずに何かをでっち上げます。

対照的に、同じ状況にあるほとんどの人間は、答えがわからないことを認めるでしょう。より人間らしいニューラル ネットワークを構築すると、この重複を防ぎ、より正確な答えを得ることができます。

モデルの作成

チームは、有名なコンピューター サイエンスの手書き数字に基づいてニューラル ネットワークをトレーニングしました。データセットMNIST に電話して、それぞれの数値を解読するように依頼しました。モデルの精度を判断するために、元のデータセットを使用してモデルを実行し、人間が識別しにくくするために数値にノイズを追加しました。

モデルのパフォーマンスを人間と比較するために、彼らはノイズのない元の MNIST データセットでモデル (および他の 3 つのモデル: CNet、BLNet、MSDNet) をトレーニングしましたが、実験で使用されたノイズのあるバージョンでテストし、結果を比較しました。2 つのデータセット。

研究者のモデルは、確率を使用して意思決定を行うベイジアン ニューラル ネットワーク (BNN) と、各選択の証拠を追跡する証拠蓄積プロセスという 2 つの重要なコンポーネントに依存していました。BNN は毎回わずかに異なる応答を生成します。より多くの証拠を収集するにつれて、その蓄積プロセスにより、ある選択が有利になる場合もあれば、別の選択が有利になる場合もあります。決定するのに十分な証拠が得られると、RTNet は蓄積プロセスを停止し、決定を下します。

研究者らはまた、人間が迅速に意思決定をしなければならない場合には正確性が低くなるという「速度と精度のトレードオフ」と呼ばれる心理現象にモデルが従うかどうかを確認するために、モデルの意思決定速度を測定した。

モデルの結果が得られると、それを人間の結果と比較しました。ジョージア工科大学の学生 60 人が同じデータセットを閲覧し、自分の決定に対する自信を共有したところ、研究者らは、人間とニューラル ネットワークの間で正解率、応答時間、信頼パターンが類似していることを発見しました。

「一般的に言えば、既存のコンピューターサイエンス文献には十分な人間のデータが存在しないため、これらの画像にさらされたときに人々がどのように行動するかはわかりません。この制限が人間の意思決定を正確に再現するモデルの開発を妨げています。」」とラフィエイは言いました。「この研究は、MNIST に反応する人間に関する最大のデータセットの 1 つを提供します。」

チームのモデルは、競合するすべての決定論的モデルよりも優れたパフォーマンスを示しただけでなく、人間心理のもう 1 つの基本的な要素、つまり RTNet が人間のように動作するため、高速シナリオでの精度も向上しました。一例として、人は正しい決断を下したとき、より自信を感じます。自信を優先するようにモデルを特別にトレーニングする必要さえなく、モデルはそれを自動的に適用したとラフィーイ氏は述べた。

「モデルを人間の脳に近づけようとすると、微調整しなくてもそれが行動そのものに現れるでしょう」と彼は言う。

研究チームは、より多様なデータセットでニューラル ネットワークをトレーニングし、その可能性をテストしたいと考えています。彼らはまた、この BNN モデルを他のモデルに適用することも期待しています。ニューラルネットワーク彼らがより人間らしく合理化できるようにするためです。

最終的には、アルゴリズムは私たちの意思決定能力をエミュレートできるだけでなく、私たちが毎日行う 35,000 件の意思決定による認知的負担の一部を軽減することもできるようになるでしょう。