Новое исследование использует небольшие нейронные сети, чтобы прояснить, как и почему люди принимают те или иные решения.
Исследователи давно интересуются тем, как люди и животные принимают решения, уделяя особое внимание поведению, основанному на методе проб и ошибок и информированному недавней информацией. Однако традиционные подходы к пониманию такого поведения могут упускать из виду некоторые реалии принятия решений, поскольку предполагают, что мы принимаем наилучшие решения после учёта нашего прошлого опыта.
Новое исследование применяет ИИ инновационными способами, чтобы лучше понять этот процесс. Используя крошечные искусственные нейронные сети, работа исследователей подробно освещает, что движет реальным выбором человека — независимо от того, являются ли эти выборы оптимальными или нет.
«Вместо того чтобы предполагать, как мозг должен учиться для оптимизации наших решений, мы разработали альтернативный подход, чтобы выяснить, как мозг человека на самом деле учится принимать решения», — объясняет Марсело Маттар, доцент кафедры психологии Нью-Йоркского университета и один из авторов статьи в журнале Nature.
«Этот подход работает как детектив, раскрывая, как на самом деле принимаются решения животными и людьми. Используя крошечные нейронные сети — достаточно маленькие, чтобы их можно было понять, но достаточно мощные, чтобы фиксировать сложное поведение, — мы обнаружили стратегии принятия решений, которые учёные упускали из виду десятилетиями».
Авторы исследования отмечают, что небольшие нейронные сети — упрощённые версии нейронных сетей, обычно используемых в коммерческих приложениях ИИ, — могут предсказывать выбор животных гораздо лучше, чем классические когнитивные модели, предполагающие оптимальное поведение, из-за их способности освещать неоптимальные модели поведения. В лабораторных задачах эти прогнозы так же хороши, как и прогнозы, сделанные с помощью более крупных нейронных сетей, таких как те, что используются в коммерческих приложениях ИИ.
«Преимущество использования очень маленьких сетей заключается в том, что они позволяют нам использовать математические инструменты для лёгкой интерпретации причин или механизмов, стоящих за выбором человека, что было бы сложнее, если бы мы использовали большие нейронные сети, такие как те, что используются в большинстве приложений ИИ», — добавляет автор Джи-Ан Ли, докторант программы нейронаук в Калифорнийском университете в Сан-Диего.
«Большие нейронные сети, используемые в ИИ, очень хороши в прогнозировании», — говорит автор Маркус Бенна, доцент кафедры нейробиологии в Школе биологических наук Калифорнийского университета в Сан-Диего. «Например, они могут предсказать, какой фильм вы захотите посмотреть следующим. Однако кратко описать стратегии, которые используют эти сложные модели машинного обучения для своих прогнозов, например, почему они считают, что вам понравится один фильм больше, чем другой, — очень сложно. Обучая простейшие версии этих моделей ИИ предсказывать выбор животных и анализируя их динамику с помощью методов физики, мы можем более понятно объяснить их внутреннюю работу».
Понимание того, как животные и люди учатся на опыте принимать решения, является не только основной целью науки, но и полезно в сферах бизнеса, правительства и технологий. Однако существующие модели этого процесса, поскольку они направлены на описание оптимального принятия решений, часто не учитывают реалистичное поведение.
В целом модель, описанная в новом исследовании, опубликованном в журнале Nature, соответствует процессам принятия решений у людей, человекообразных обезьян и лабораторных крыс. Примечательно, что модель предсказывала неоптимальные решения, тем самым лучше отражая «реальный» характер принятия решений — и в отличие от предположений традиционных моделей, которые сосредоточены на объяснении оптимального принятия решений.
Более того, модель смогла предсказать принятие решений на индивидуальном уровне, показав, как каждый участник использует разные стратегии для принятия решений.
«Подобно тому как изучение индивидуальных различий в физических характеристиках произвело революцию в медицине, понимание индивидуальных различий в стратегиях принятия решений может изменить наш подход к психическому здоровью и когнитивным функциям», — заключает Маттар.
Исследование было поддержано Национальным научным фондом, Институтом Кавли по изучению мозга и разума, Управлением президента Калифорнийского университета и Калифорнийским институтом телекоммуникаций и информационных технологий/Институтом Qualcomm.
Источник: NYU