AI模擬人類感知決策：Nature子刊報導突破性進展

近日，來自喬治亞理工學院的研究人員開發了RTNet，首次表明其「思考方式」與人類非常相似。

從能力上來講，當前AI的專業性已經在多方面超越人類。不過人類仍保有一些獨特的特性，如大腦的高效率、情感和靈魂等。對於超級智能是否需要學習這些人類特性，可能還需要進一步探索。

研究人員開發的RTNet是首個與人類思考方式相近的神經網絡。傳統神經網絡的決策行為與人類有顯著不同，而RTNet能夠模擬人類的感知行為，生成隨機決策和類似人類的響應時間分佈。

RTNet的內部機制更接近人類產生響應時間的真實機制，其核心假設是響應時間由順序採樣和結果積累的過程生成。網絡結構分為兩個階段:

RTNet在原理上模擬了人類決策的兩種特性:BNN引入的隨機性，以及對不同難度任務有不同完成時間。作者通過全面測試表明，RTNet複製了人類準確度、響應時間和置信度的所有基本特徵。

人類感知決策有六個基本特徵:

實驗設計包括人類對照組和RTNet等多個神經網絡模型。人類對照組執行數字辨別任務，報告感知到的數字和決策信心。實驗測試了速度-準確性權衡(SAT)和不同任務難度。

RTNet採用Alexnet架構，使用貝葉斯神經網絡(BNN)引入隨機性。研究人員對RTNet進行了15個epoch的訓練，在MNIST測試集上實現了97%以上的分類準確率。

實驗還包括了CNet和BLNet等其他神經網絡模型作為對比。CNet基於殘差網絡架構，利用跳過連接引入傳播延遲。BLNet是一個RCNN，由標準前饋CNN和循環連接組成。

喬治亞理工研究人員設計出模仿人類思維的AI神經網絡RTNet。