«Возможность моделировать человеческое поведение — важный шаг на пути к созданию ИИ-агента, который сможет реально помогать людям«, — объясняют в пресс-релизе исследователь из Athul Пол Джейкоб и его команда. Они разработали новый метод использования ИИ для моделирования процесса принятия решений человеком. Другими словами, система способна имитировать порой иррациональные рассуждения людей, чтобы лучше соответствовать их ожиданиям.
Когда речь идет о достижении цели или решении проблемы, люди не всегда выбирают наилучший вариант. На их решения могут влиять различные факторы, такие как нехватка времени, ограниченность их знаний или усталость. Эта сложность делает моделирование человеческого поведения особенно трудным, хотя оно может стать ключом к улучшению взаимодействия между системами ИИ и пользователями.
Исследователи из Массачусетского технологического института и Университета Вашингтона разработали метод точного моделирования такого поведения. Их система на основе ИИ может предсказывать будущие действия людей в различных ситуациях, а также оказывается полезной для моделирования поведения машин, таких как роботы и другие системы ИИ.
Учет «непредсказуемости» человека
Метод, разработанный исследователями, основан на идее о том, что время планирования и глубина размышлений являются ключевыми показателями человеческого поведения. Затем они создали алгоритм, который моделирует серию решений по заданной проблеме, и сравнили эти решения с решениями, принятыми людьми, чтобы определить момент, когда люди перестают «планировать», чтобы оставить место для «иррациональности» и непредсказуемости. Это позволило им смоделировать часть человеческого процесса принятия решений.
Результат такого моделирования исследователи назвали «бюджетом умозаключений», который оценивает способность человека обрабатывать информацию перед принятием решения. На основе этого бюджета умозаключений модель может предсказать будущее поведение человека при столкновении с проблемой. «Для меня самым поразительным было то, что этот бюджет умозаключений очень хорошо поддается интерпретации«, — объясняет один из исследователей в пресс-релизе, иллюстрируя эффективность разработанной ими системы.
Это позволит ученым лучше программировать системы искусственного интеллекта, давая им возможность лучше понять процессы «мышления» в различных контекстах. Например, понимая причины, стоящие за решениями пользователя, ИИ-помощник может предложить более адаптированную поддержку и предугадать будущие потребности.
Многообещающие результаты
Чтобы оценить эффективность своего метода моделирования, исследователи протестировали систему в трех различных условиях. Первый эксперимент включал в себя наблюдение за людьми, перемещающимися по лабиринту, чтобы понять, как они продвигаются вперед.
Во втором эксперименте анализировались коммуникации между двумя людьми, участвующими в игре. В этой игре один из участников должен был описать цвет, используя только вербальные подсказки, а другой — угадать описанный цвет. В третьем, заключительном, эксперименте система была проверена на практике, анализируя игру и стратегии шахматистов.
Результаты всех этих испытаний были многообещающими: система смогла определить цели навигации в лабиринте на основе предыдущих ходов, понять коммуникативные намерения из словесных обменов и предсказать следующие ходы в шахматной партии.
