Модель искусственного интеллекта научилась предсказывать поведение человека
Исследовательские группы из Массачусетского технологического института и Университета Вашингтона разработали передовой метод моделирования, который учитывает вычислительные ограничения для прогнозирования будущих действий на основе прошлого поведения. Эта методика нацелена на оптимизацию взаимодействия между системами искусственного интеллекта и людьми, адаптируясь к их иррациональным действиям и процессам принятия решений.
Учёные из Массачусетского технологического института вместе с коллегами из других учебных заведений создали модель, которая анализирует иррациональное или субоптимальное поведение человека или искусственного агента, исходя из их вычислительных ограничений. Это позволяет предсказывать будущие действия агента, например, в шахматной партии.
Создание ИИ, способного эффективно сотрудничать с людьми, требует точной модели человеческого поведения. Однако люди зачастую принимают неоптимальные решения, что сложно учесть в моделировании из-за вычислительных ограничений. Люди не могут тратить неоправданно много времени на поиск идеального решения.
Исследователи предложили метод моделирования поведения, учитывающий неясные вычислительные ограничения, мешающие агенту решать задачи. Их подход позволяет автоматически определять эти ограничения, анализируя несколько примеров предыдущих действий агента. Полученный «бюджет вычислений» агента используется для прогнозирования его будущих действий.
В исследовании показано, как их метод можно применить для анализа прошлого опыта и прогнозирования последующих действий в шахматных играх. Методика сравнима или превосходит другие популярные подходы к моделированию решений. Это исследование способствует обучению ИИ человеческому поведению, что улучшает его способность реагировать на действия людей.
«Зная, что человек может ошибиться на основе его предыдущего поведения, ИИ может предложить более эффективное решение или адаптироваться к слабостям своих собеседников. Моделирование человеческого поведения - ключевой шаг к созданию ИИ-агента, который будет помогать человеку», - говорит аспирант электротехники и информатики Атул Пол Джейкоб.
Исследователи давно занимаются созданием вычислительных моделей человеческого поведения, учитывая его неоптимальность добавлением шумов в модель. Это позволяет агенту выбирать правильный вариант в большинстве случаев, но не всегда учитывает неоднородность неоптимальных решений. Джейкоб и его коллеги находят вдохновение в исследованиях шахматистов, замечая, что время, затрачиваемое на обдумывание ходов, является хорошим индикатором человеческого поведения.
Они разработали систему, которая определяет глубину планирования агента, анализируя его предыдущие действия и используя эту информацию для моделирования процесса принятия решений. Первый шаг их метода включает запуск алгоритма на определённое время для анализа проблемы, например, в шахматах.
Ранее они представили инновационную технологию распознавания эмоций в реальном времени, предназначенную для персонализированного взаимодействия между человеком и машиной, что открывает новые возможности для улучшения пользовательского опыта.