近日、ジョージア工科大学の研究者たちがRTNetを開発し、初めてその「思考方法」が人間と非常に似ていることを示しました。
能力的には、現在のAIの専門性は多くの面で人間を超えています。しかし、人間にはまだ脳の高効率、感情、魂などのユニークな特性があります。超知能がこれらの人間の特性を学ぶ必要があるかどうかについては、さらなる探求が必要かもしれません。
研究者たちが開発したRTNetは、人間の思考方法に近い初めてのニューラルネットワークです。従来のニューラルネットワークの意思決定行動は人間とは大きく異なりますが、RTNetは人間の知覚行動をシミュレートし、ランダムな意思決定と人間に似た反応時間分布を生成できます。
RTNetの内部メカニズムは、人間が反応時間を生成する実際のメカニズムにより近く、その核心的な仮説は、反応時間が順次サンプリングと結果の蓄積プロセスによって生成されるというものです。ネットワーク構造は2つの段階に分かれています:
-
第一段階はAlexnet構造を採用していますが、重みパラメータはBNN形式で、推論の度に学習した分布からランダムに重みをサンプリングし、ランダム性を導入します。
-
第二段階は累積プロセスで、推論結果を閾値に達するまで累積します。
RTNetは原理的に人間の意思決定の2つの特性をシミュレートしています:BNNによって導入されたランダム性と、異なる難易度のタスクに対して異なる完了時間を持つこと。著者は包括的なテストを通じて、RTNetが人間の精度、反応時間、確信度のすべての基本的特徴を再現したことを示しました。
人間の知覚的意思決定には6つの基本的特徴があります:
- 決定はランダムである
- 速度圧力は反応時間を短縮するが精度を低下させる
- より困難な決定は精度を低下させ、反応時間を延長する
- 反応時間分布は右に偏り、タスクの難易度とともに増加する
- 正しい試行の反応時間は誤った試行よりも短い
- 正しい試行の確信度は誤った試行よりも高い
実験設計には人間の対照群とRTNetなど複数のニューラルネットワークモデルが含まれています。人間の対照群は数字識別タスクを実行し、知覚した数字と決定の確信度を報告しました。実験では速度-精度のトレードオフ(SAT)と異なるタスクの難易度がテストされました。
RTNetはAlexnet構造を採用し、ベイジアンニューラルネットワーク(BNN)を使用してランダム性を導入しています。研究者たちはRTNetを15エポック訓練し、MNISTテストセットで97%以上の分類精度を達成しました。
実験にはCNetやBLNetなど他のニューラルネットワークモデルも比較対象として含まれています。CNetは残差ネットワーク構造に基づき、スキップ接続を利用して伝播遅延を導入しています。BLNetはRCNNで、標準的なフィードフォワードCNNと再帰的接続で構成されています。