RTNet : un réseau neuronal qui imite la prise de décision humaine

ParisDes chercheurs de Georgia Tech ont développé un nouveau réseau neuronal imitant les décisions humaines. Contrairement aux réseaux neuronaux traditionnels qui répètent souvent les décisions sans tenir compte des événements passés ou des niveaux de confiance, ce nouveau modèle, nommé RTNet, fonctionne différemment.

Chaque jour, les humains prennent environ 35 000 décisions, tenant compte des différentes options, de leurs expériences passées et de leur niveau de confiance. Les réseaux neuronaux, quant à eux, utilisent généralement une approche différente pour prendre des décisions. L'équipe de Georgia Tech, dirigée par l'Associate Professor Dobromir Rahnev, souhaite révolutionner cette méthode. Leur étude a été publiée dans Nature Human Behaviour.

Les principales distinctions entre la prise de décision humaine et celle des machines sont les suivantes :

• Les humains évaluent les options et pèsent les preuves basées sur leurs expériences passées.
• Les humains peuvent admettre quand ils ne sont pas sûrs d'une décision.
• Les réseaux neuronaux traditionnels prennent des décisions statiques et cohérentes.

L'équipe de recherche a entraîné leur nouveau réseau de neurones avec le jeu de données MNIST, qui est une collection de chiffres manuscrits. Ils ont ajouté du bruit à ces chiffres, les rendant plus difficiles à lire pour les humains. Les scientifiques ont ensuite testé le modèle sur ce jeu de données bruité pour évaluer ses performances par rapport à celles des humains.

Les chercheurs ont perfectionné leur modèle en intégrant un réseau de neurones bayésien (BNN) et un processus d'accumulation de preuves. Le BNN prend des décisions basées sur des probabilités, entraînant des réponses variables à chaque fois. Le processus d'accumulation de preuves continue de recueillir des données jusqu'à ce qu'il y ait suffisamment d'informations pour prendre une décision. Cette approche rend RTNet plus flexible et plus proche du comportement humain.

Lisez aussi:

Aujourd'hui · 02:10

Poids corporel et santé maternelle : lien global

Les chercheurs ont mesuré le temps de réaction du modèle pour prendre des décisions. Ils ont découvert un schéma où des décisions plus rapides entraînaient une baisse de précision, phénomène similaire à celui observé chez les humains. RTNet a montré le même comportement.

L’étude a révélé que RTNet égalait les performances humaines en termes de précision, rapidité et confiance. Soixante étudiants de Georgia Tech ont analysé les mêmes données bruitées et ont indiqué leurs niveaux de confiance. Les résultats ont montré que RTNet se rapprochait des participants humains. Il surpassait souvent d'autres modèles, notamment lorsqu'il fallait prendre des décisions rapides.

Ce progrès est crucial pour plusieurs raisons :

• La majorité des modèles actuels manquent de données humaines détaillées à des fins de comparaison.
• Les modèles existants ne démontrent pas des niveaux de confiance similaires à ceux des humains.
• Le nouveau réseau neuronal peut aider à reproduire et potentiellement améliorer les processus décisionnels humains.

Ce modèle de prise de décision est très prometteur. Les réseaux neuronaux peuvent désormais fonctionner comme le cerveau humain avec moins de réglages fins. L'équipe prévoit d'entraîner RTNet sur différents ensembles de données pour explorer son potentiel. À l'avenir, ces modèles pourraient être utilisés dans d'autres domaines pour réduire l'effort mental quotidien des individus.

Le mimétisme humain de RTNet représente une avancée majeure. À l'avenir, les réseaux neuronaux pourraient penser et prendre des décisions comme des humains. Cela pourrait améliorer l'intelligence artificielle, facilitant ainsi l'interaction avec la technologie et la rendant plus efficiente.