Neues Modell RTNet: Künstliche Intelligenz ahmt menschliche Entscheidungsfindung nach

BerlinForscher am Georgia Tech haben ein neues neuronales Netzwerk entwickelt, das menschliche Entscheidungsprozesse nachahmt. Im Gegensatz zu traditionellen neuronalen Netzen, die Entscheidungen oft wiederholen, ohne frühere Ereignisse oder Sicherheitsebenen zu berücksichtigen, funktioniert dieses neue Modell namens RTNet anders.

Menschen treffen täglich etwa 35.000 Entscheidungen, wobei sie verschiedene Optionen, vergangene Erfahrungen und ihr Vertrauen abwägen müssen. Neuronale Netzwerke gehen üblicherweise nicht so vor. Das Team der Georgia Tech unter der Leitung von Associate Professor Dobromir Rahnev möchte das ändern. Ihre Studie wurde in Nature Human Behaviour veröffentlicht.

Wesentliche Unterschiede zwischen menschlicher und maschineller Entscheidungsfindung sind:

• Menschen bewerten Optionen und berücksichtigen Beweise aus früheren Erfahrungen.
• Menschen geben zu, wenn sie unsicher bei einer Entscheidung sind.
• Traditionelle neuronale Netze treffen beständige und gleichbleibende Entscheidungen.

Das Forschungsteam trainierte ihr neues neuronales Netzwerk mit dem MNIST-Datensatz, der aus handgeschriebenen Zahlen besteht. Sie fügten diesen Zahlen Rauschen hinzu, wodurch sie für Menschen schwerer lesbar wurden. Anschließend testeten die Wissenschaftler das Modell mit diesem verrauschten Datensatz, um seine Leistungsfähigkeit im Vergleich zu der von Menschen zu überprüfen.

Die Forscher verbesserten ihr Modell mithilfe eines Bayes'schen neuronalen Netzwerks (BNN) und eines Prozesses der Evidenzakkumulation. Das BNN trifft Entscheidungen basierend auf Wahrscheinlichkeiten, was dazu führt, dass die Antworten jedes Mal variieren. Der Prozess der Evidenzakkumulation sammelt kontinuierlich Daten, bis genug Informationen für eine Entscheidung vorliegen. Dieser Ansatz macht RTNet anpassungsfähiger und ähnlicher dem menschlichen Verhalten.

Lesen Sie auch:

Heute · 02:10

Schwangerschaftsgesundheit: Gewichtskontrolle für weniger Komplikationen

Die Wissenschaftler maßen, wie lange das Modell für Entscheidungen brauchte. Dabei stellten sie fest, dass schnellere Entscheidungen zu geringerer Genauigkeit führten. Dies ähnelt dem menschlichen Verhalten. Auch RTNet zeigte dieses Verhalten.

Die Studie ergab, dass RTNet in Genauigkeit, Geschwindigkeit und Vertrauen mit menschlichen Teilnehmern gleichzog. Sechzig Studierende der Georgia Tech bewerteten die gleichen verrauschten Daten und gaben ihr Vertrauen an. Die Ergebnisse zeigten, dass RTNet den menschlichen Teilnehmern sehr ähnlich war. Es übertraf oft andere Modelle, vor allem, wenn schnelle Entscheidungen erforderlich waren.

Diese Entwicklung ist aus mehreren Gründen von großer Bedeutung:

• Die meisten aktuellen Modelle verfügen nicht über umfangreiche Human-Daten zum Vergleich.
• Bestehende Modelle zeigen keine menschähnlichen Vertrauensniveaus.
• Das neue neuronale Netzwerk kann dabei helfen, menschliche Entscheidungsprozesse nachzubilden und möglicherweise zu verbessern.

Dieses Entscheidungsmodell zeigt großes Potenzial. Neuronale Netze können jetzt ähnlich wie das menschliche Gehirn arbeiten, ohne umfangreiche Feinabstimmung. Das Team beabsichtigt, RTNet mit verschiedenen Datensätzen zu trainieren, um seine Fähigkeiten zu testen. Zukünftig könnten solche Modelle in anderen Bereichen eingesetzt werden, um die alltägliche geistige Anstrengung der Menschen zu verringern.

Die menschliche Nachahmung durch RTNet stellt einen bedeutenden Fortschritt dar. Zukünftig könnten neuronale Netzwerke wie Menschen denken und Entscheidungen treffen. Dies könnte die Interaktion mit Technologie vereinfachen und die Effektivität von KI verbessern.