آخرین اخبار:
کد خبر:۱۲۸۱۷۹۹

هوش مصنوعی که مثل ما فکر می‌کند/ مدل جدید تصمیمات انسانی را با دقت شگفت‌انگیزی پیش‌بینی می‌کند

محققان هلمهولتز مونیخ از Centaur رونمایی کرده‌اند، یک مدل زبانی هوش مصنوعی که بر اساس بیش از ده میلیون تصمیم از آزمایش‌های روانشناختی آموزش دیده است و الگوهای انتخاب و زمان واکنش انسان را با دقت قابل توجهی تقلید می‌کند، حتی در کارهایی که قبلاً هرگز ندیده است.

به گزارش گروه دانشگاه خبرگزاری دانشجو، یک مدل جدید هوش مصنوعی، تفکر انسان را با دقتی خیره‌کننده، حتی در سناریو‌های ناآشنا، تقلید می‌کند.

محققان هلمهولتز مونیخ یک سیستم هوش مصنوعی پیشرفته ایجاد کرده‌اند که قادر به تقلید از تصمیم‌گیری انسان با دقت چشمگیری است. این مدل که Centaur نام دارد، با استفاده از داده‌های بیش از ده میلیون تصمیم جمع‌آوری‌شده از طریق مطالعات روانشناسی آموزش دیده است و به آن اجازه می‌دهد پاسخ‌هایی تولید کند که رفتار انسان را به شیوه‌های واقع‌بینانه منعکس می‌کند. این پیشرفت، امکانات جدیدی را برای تعمیق درک ما از نحوه تفکر افراد و اصلاح چارچوب‌های روانشناختی موجود ارائه می‌دهد.

سال‌هاست که حوزه روانشناسی در پی درک کامل پیچیدگی‌های تفکر انسان بوده است. با این حال، مدل‌های گذشته معمولاً به توضیح نحوه تفکر افراد یا پیش‌بینی نحوه عملکرد آنها محدود بوده‌اند و به ندرت موفق به انجام هر دو شده‌اند.

این تیم تحقیقاتی به رهبری دکتر مارسل بینز و دکتر اریک شولتز از موسسه هوش مصنوعی انسان‌محور در هلمهولتز مونیخ، اکنون مدلی را معرفی کرده‌اند که این شکاف را پر می‌کند. سنتور بر اساس یک مجموعه داده جامع به نام Psych-۱۰۱ آموزش دیده است که بیش از ده میلیون تصمیم را از ۱۶۰ آزمایش رفتاری مختلف گردآوری می‌کند.

سنتور به خاطر توانایی‌اش در پیش‌بینی واکنش‌های انسانی نه تنها در زمینه‌های آشنا، بلکه در موقعیت‌های کاملاً جدید نیز برجسته است. این ربات الگو‌های تصمیم‌گیری تکراری را تشخیص می‌دهد، به راحتی با محیط‌های جدید سازگار می‌شود و حتی می‌تواند زمان واکنش را با سطح شگفت‌انگیزی از جزئیات تخمین بزند.

مارسل بینز، که نویسنده اصلی این مطالعه نیز هست، می‌گوید: «ما ابزاری ایجاد کرده‌ایم که به ما امکان می‌دهد رفتار انسان را در هر موقعیتی که به زبان طبیعی توصیف شده است - مانند یک آزمایشگاه مجازی - پیش‌بینی کنیم.» کاربرد‌های بالقوه آن از تجزیه و تحلیل آزمایش‌های روانشناسی کلاسیک گرفته تا شبیه‌سازی فرآیند‌های تصمیم‌گیری فردی در زمینه‌های بالینی - به عنوان مثال، در افسردگی یا اختلالات اضطرابی - متغیر است. این مدل به ویژه با کمک به ما در درک چگونگی تصمیم‌گیری افراد با شرایط روانی مختلف، دیدگاه‌های جدیدی را در تحقیقات سلامت ایجاد می‌کند. قرار است مجموعه داده‌ها گسترش یابد تا ویژگی‌های جمعیت‌شناختی و روانشناختی را نیز در بر بگیرد.

قنطورس: پل زدن بین نظریه و پیش‌بینی

قنطورس دو حوزه‌ی جدا از هم را به هم پیوند می‌دهد: نظریه‌های تفسیرپذیر و قدرت پیش‌بینی. این مدل می‌تواند نقاط ضعف مدل‌های کلاسیک را آشکار کند و بینش‌هایی در مورد چگونگی بهبود آنها ارائه دهد. این امر امکانات جدیدی را برای تحقیقات و کاربرد‌های دنیای واقعی، از پزشکی گرفته تا علوم محیطی و علوم اجتماعی، فراهم می‌کند.

اریک شولتز، مدیر موسسه، می‌گوید: «ما تازه شروع کرده‌ایم و پتانسیل عظیمی را می‌بینیم.» بینز می‌افزاید: «اطمینان از اینکه چنین سیستم‌هایی شفاف و قابل کنترل باقی می‌مانند، کلیدی است - برای مثال، با استفاده از مدل‌های باز و محلی که از حاکمیت کامل داده‌ها محافظت می‌کنند.»

در مرحله بعد، محققان قصد دارند نگاه دقیق‌تری به درون قنطورس بیندازند: کدام الگو‌های محاسباتی با فرآیند‌های تصمیم‌گیری خاص مطابقت دارند؟ آیا می‌توان از آنها برای استنباط نحوه پردازش اطلاعات توسط افراد - یا اینکه چگونه استراتژی‌های تصمیم‌گیری بین افراد سالم و افراد دارای مشکلات سلامت روان متفاوت است - استفاده کرد؟

محققان متقاعد شده‌اند: این مدل‌ها پتانسیل تعمیق اساسی درک ما از شناخت انسان را دارند - مشروط بر اینکه ما از آنها مسئولانه استفاده کنیم.» اینکه این تحقیق در هلمهولتز مونیخ انجام می‌شود و نه در بخش‌های توسعه شرکت‌های بزرگ فناوری، تصادفی نیست. بینز می‌گوید: «ما تحقیقات هوش مصنوعی را با نظریه روانشناسی - و با یک تعهد اخلاقی روشن - ترکیب می‌کنیم. در یک محیط تحقیقاتی عمومی، ما آزادی داریم تا سوالات شناختی اساسی را که اغلب در صنعت مورد توجه نیستند، دنبال کنیم.

سایکو-۱۰۱ چیست؟

Psych-۱۰۱ یک مجموعه داده است که به طور خاص توسط تیمی به رهبری مارسل بینز برای آموزش مدل هوش مصنوعی Centaur گردآوری شده است. این مجموعه شامل بیش از ده میلیون تصمیم فردی است که توسط بیش از ۶۰، ۰۰۰ شرکت کننده در ۱۶۰ آزمایش روانشناختی گرفته شده است. این آزمایش‌ها طیف وسیعی از رفتار‌های انسانی را پوشش می‌دهد - از ریسک پذیری و یادگیری پاداش گرفته تا معضلات اخلاقی. محققان تمام داده‌ها را به صورت دستی پردازش و استاندارد کردند تا اطمینان حاصل شود که می‌توان آنها را توسط یک مدل زبانی تفسیر کرد. به همین ترتیب، Psych-۱۰۱ منبعی منحصر‌به‌فرد برای مدل سازی سیستماتیک رفتار انسان بر اساس ورودی‌های زبان طبیعی است.

مرجع: «مدل بنیادی برای پیش‌بینی و تسخیر شناخت انسانی» توسط مارسل بینز، الیف آکاتا، ماتیاس بثگه، فرانزیسکا برندل، فرد کالاوی، جولیان کودا-فورنو، پیتر دایان، کان دمیرکان، ماریا ک. جاگادیش، لی جی آن، الکساندر کیپنیس، سریجان کومار، توبیاس لودویگ، ماروین ماتونی، مارسلو ماتار، علیرضا مدیرشانچی، سورابی اس. نات، جاشوا سی. پترسون، میلنا روموس، ایوان‌ام راسک، تانکرد ساانوم، یوهانس آ. میرکو تالمان، فابیان جی. تیس، وونگ ترونگ، ویشال اوداندارائو، کنستانتینوس وودوریس، رابرت ویلسون، کریستین ویته، شوچن وو، دیرک یو. وولف، هوادونگ شیونگ و اریک شولز، ۲ ژوئیه ۲۰۲۵، طبیعت.

DOI: ۱۰.۱۰۳۸/s۴۱۵۸۶-۰۲۵-۰۹۲۱۵-۴

ارسال نظر
captcha
*شرایط و مقررات*
خبرگزاری دانشجو نظراتی را که حاوی توهین است منتشر نمی کند.
لطفا از نوشتن نظرات خود به صورت حروف لاتین (فینگیلیش) خودداری نمايید.
توصیه می شود به جای ارسال نظرات مشابه با نظرات منتشر شده، از مثبت یا منفی استفاده فرمایید.
با توجه به آن که امکان موافقت یا مخالفت با محتوای نظرات وجود دارد، معمولا نظراتی که محتوای مشابهی دارند، انتشار نمی یابد.
پربازدیدترین آخرین اخبار