AI模拟人类感知决策：Nature子刊报道突破性进展

近日，来自佐治亚理工学院的研究人员开发了RTNet，首次表明其"思考方式"与人类非常相似。

从能力上来讲，当前AI的专业性已经在多方面超越人类。不过人类仍保有一些独特的特性，如大脑的高效率、情感和灵魂等。对于超级智能是否需要学习这些人类特性，可能还需要进一步探索。

研究人员开发的RTNet是首个与人类思考方式相近的神经网络。传统神经网络的决策行为与人类有显著不同，而RTNet能够模拟人类的感知行为，生成随机决策和类似人类的响应时间分布。

RTNet的内部机制更接近人类产生响应时间的真实机制，其核心假设是响应时间由顺序采样和结果积累的过程生成。网络结构分为两个阶段:

RTNet在原理上模拟了人类决策的两种特性:BNN引入的随机性，以及对不同难度任务有不同完成时间。作者通过全面测试表明，RTNet复制了人类准确度、响应时间和置信度的所有基本特征。

人类感知决策有六个基本特征:

实验设计包括人类对照组和RTNet等多个神经网络模型。人类对照组执行数字辨别任务，报告感知到的数字和决策信心。实验测试了速度-准确性权衡(SAT)和不同任务难度。

RTNet采用Alexnet架构，使用贝叶斯神经网络(BNN)引入随机性。研究人员对RTNet进行了15个epoch的训练，在MNIST测试集上实现了97%以上的分类准确率。

实验还包括了CNet和BLNet等其他神经网络模型作为对比。CNet基于残差网络架构，利用跳过连接引入传播延迟。BLNet是一个RCNN，由标准前馈CNN和循环连接组成。

乔治亚理工大学的研究人员设计出了一种模仿人类思维的人工智能神经网络RTNet。