شفقناافغانستان– مدلی جدید از هوش مصنوعی میتواند افکار و رفتار انسان را با دقتی شگفتانگیز پیشبینی و شبیهسازی کند. این مدل زبانی که «سنتور» (Centaur) نام دارد، میتواند به پژوهشگران در درک بهتر شناخت انسانی کمک کند.
به گزارش سروسی ترجمه شفقنا، این مدل با استفاده از بیش از ۱۰ میلیون تصمیم واقعی که توسط شرکتکنندگان در آزمایشهای روانشناسی گرفته شدهاند، آموزش دیده است. پژوهشگران در مجله Nature گزارش دادند که سنتور با استفاده از این مجموعه دادهها توانست پیشبینی و شبیهسازی کند که مردم چگونه فکر میکنند و چگونه رفتار میکنند، و در این کار به دقتی ۶۴ درصدی دست یافته است.
مدلهای پیشین هوش مصنوعی قادر بودند بخشی از رفتارهای انسانی را پیشبینی کنند، اما نه با این میزان از دقت.
برندن لیک، استاد روانشناسی و علم دادهها در دانشگاه نیویورک که در این مطالعه مشارکت نداشت، به لایو ساینس گفت «سنتور در قابلیت پیشبینی خود، یک گام فراتر رفته است».
سنتور چیست؟
سنتور یک مدل هوش مصنوعی از شناخت انسانی است که با استفاده از مجموعه دادهای به نام Psych-101 آموزش داده شده است. این دادهها شامل اطلاعات مربوط به ۶۰ هزار نفر است که در طی ۱۶۰ آزمایش روانشناسی، بیش از ۱۰ میلیون انتخاب فردی انجام دادهاند. بنابر این مقاله پژوهشی، این شاید بزرگترین مجموعه دادهها مربوط به رفتار انسانی در جهان باشد.
مارسل بینز، نویسنده اصلی مقاله و پژوهشگر مؤسسه هوش مصنوعی متمرکز بر انسان در مؤسسه هلمهولتز آلمان، به لایو ساینس گفت: اساساً ما متن کامل یک آزمایش روانشناسی را به مدل نشان میدهیم — همه چیزهایی که به شرکتکننده گفته شده، دیده و انجام داده است.
سپس تیم پژوهشی به مدل اجازه داد تا پیشبینی کند که شرکتکنندهها در موقعیتهای خاص چه انتخابی انجام میدهند. اگر مدل انتخابی را پیشبینی میکرد که در واقعیت انجام نشده بود، پژوهشگران آن را اصلاح و مدل را بازآموزی میکردند. آنها این روند را بارها تکرار کردند تا جایی که سنتور بتواند بهطور منظم پیشبینیهای درستی انجام دهد.
مطابق با یافتههای این مطالعه، زمانی که سنتور با چندین مدل هوش مصنوعی شناختهشده دیگر در زمینه شناخت انسانی مقایسه شد، در همه موارد با دقت بیشتری رفتارها را پیشبینی کرد. ویژگی منحصربهفرد این مدل آن است که میتواند انتخابهای انسان را در شرایطی که هرگز در طول آموزش با آن مواجه نشده بود، پیشبینی کند. بیانیه انجمن مراکز پژوهشی هلمهولتز آلمان تاکید دارد که این توانایی یک نقطه عطف مهم محسوب میشود.
نکته قابل توجه دیگر آن است که سنتور همچنین میتواند خود را با شرایط متغیر وفق دهد و زمان واکنش انسان را نیز پیشبینی کند.
بینز در این بیانیه گفت: ما ابزاری ساختهایم که به ما امکان میدهد رفتار انسانی را در هر موقعیتی که به زبان طبیعی توصیف شده است، پیشبینی کنیم — مثل یک آزمایشگاه مجازی.
مطالعه مغز در «مقیاسی بیسابقه»
بینز و تیمش قصد دارند به بهبود این مدل ادامه دهند. آنها امیدوارند مجموعه داده Psych-101 را با افزودن اطلاعات جمعیتشناختی و روانشناختی از جمله سن، وضعیت اجتماعی-اقتصادی و ویژگیهای شخصیتی گسترش دهند تا قابلیت آموزش مدل را تقویت کنند. این جزئیات میتوانند به سنتور کمک کنند تا بر اساس ویژگیهای فردی، رفتار افراد را پیشبینی کند.
هدف بعدی آنها استفاده از سنتور بهعنوان نمایندهای برای مغز انسان است، تا بررسی کنند آیا الگوهایی که در دادهپردازی این برنامه ظاهر میشود با تصمیمگیریهای خاصی مرتبط است یا خیر. مطابق با بیانیه منتشرشده، این اطلاعات میتواند به پرسشهایی درباره نحوه پردازش اطلاعات توسط انسان و تفاوتهای تصمیمگیری بین افراد سالم و افراد دارای اختلالات روانی پاسخ دهد.
بینز به لایو ساینس گفت: در حال حاضر، ما اساساً یک مدل جعبه سیاه بزرگ داریم که رفتار انسانی را بسیار خوب پیشبینی میکند.
به لطف سنتور، پژوهشگران اکنون میتوانند پیشبینی کنند که انسانها چگونه عمل میکنند، اما هنوز نمیدانند که چگونه به یک تصمیم خاص میرسند.
لیک نیز در این رابطه توضیح داد که یکی از سؤالات اساسی این است که آیا سنتور فقط افکار انسانی را پیشبینی میکند یا واقعاً فرآیندهای شناختی زیرین را بازتولید میکند؟
«آیا این مدل در حال شبیهسازی فرآیندهای ذهنی انسان است یا صرفاً نتایج آن را تقلید میکند؟»
گشایش درهای جدید برای روانشناسی و پژوهشهای سلامت
سنتور راه را برای پیشرفتهای فراوانی در حوزه روانشناسی و تحقیقات سلامت باز میکند. کاربردهای احتمالی شامل پیشبینی رفتار انسان در محیطهای بالینی، طراحی و تحلیل آزمایشهای روانشناسی است. برای نمونه، دانشمندان میتوانند از این مدل برای طراحی آزمایشهایی استفاده کنند که یک پدیده را به روشنترین شکل ممکن نشان دهد یا به کمترین تعداد شرکتکننده نیاز داشته باشد.
لیک بیشتر از همه درباره کاربردهای آموزشی هیجانزده است.
او گفت: در بلندمدت، اگر بتوانیم پیشبینی کنیم که یک دانشآموز چگونه یاد میگیرد و چگونه به یک مسئله فکر میکند، آنگاه قادر خواهیم بود تا تأثیر استراتژیهای مختلف آموزشی را شبیهسازی کنیم — که این امر میتواند به یک تحول عظیم ختم شود.
این خبر را اینجا ببینید.
