Inteligência Artificial, Redes Neurais Aprendem a Decidir Como Humanos

Cientistas da Georgia Tech constroem rede neural que toma decisões como humanos, abrindo caminho para algoritmos mais confiáveis e que auxiliem na tomada de decisões.

Nossas vidas são guiadas por uma série de decisões, desde simples escolhas como o que comer até complexas como atravessar a rua. Cada uma delas envolve a análise de informações, a comparação de cenários e a busca por um resultado positivo. Apesar da rapidez com que as tomamos, essas decisões são fruto de um processo complexo no cérebro humano.

Agora, pesquisadores da Georgia Tech estão desenvolvendo redes neurais que imitam esse processo, tornando-as mais confiáveis e semelhantes à maneira como os humanos pensam. Em um estudo publicado na Nature Human Behaviour, a equipe liderada pelo professor associado Dobromir Rahnev apresenta a RTNet, uma rede neural que toma decisões com características similares às humanas.

Diferenças Cruciais entre Redes Neurais e Humanos:

Um dos pontos chave da pesquisa reside na confiança. Redes neurais tradicionais geralmente tomam decisões sem indicar seu nível de confiança na escolha. Já os humanos, em situações similares, admitem quando não possuem certeza ou conhecimento suficiente para uma resposta precisa. Essa diferença fundamental pode levar a erros e decisões precipitadas por parte dos algoritmos.

Tornando as Redes Neurais Mais Humanas:

Para superar essa limitação, a RTNet se baseia em dois componentes:

• Rede neural bayesiana (BNN): utiliza probabilidades para tomar decisões, permitindo que a rede expresse seu nível de confiança em cada escolha.
• Processo de acumulação de evidências: monitora as informações disponíveis e as utiliza para refinar a decisão ao longo do tempo, imitando o raciocínio humano.

Resultados Promissores:

Testes com a RTNet em conjunto de dados de dígitos manuscritos demonstraram resultados animadores. A rede neural apresentou um nível de precisão, tempo de resposta e padrões de confiança similares aos de humanos, mesmo em cenários com imagens ruidosas e com tempo limitado para a tomada de decisão.

Vantagens da RTNet:

• Maior confiabilidade: A rede expressa seu nível de confiança em cada decisão, permitindo uma avaliação mais precisa da confiabilidade do resultado.
• Adaptabilidade: O processo de acumulação de evidências permite que a rede refine sua decisão à medida que novas informações são disponibilizadas, semelhante ao raciocínio humano.
• Eficiência em situações de tempo limitado: A RTNet demonstra bom desempenho mesmo com tempo limitado para a tomada de decisão, replicando a capacidade humana de se adaptar a diferentes cenários.

Aplicações Futuras:

Os pesquisadores esperam aprimorar a RTNet com conjuntos de dados mais complexos e diversos. O objetivo é torná-la uma ferramenta poderosa para auxiliar na tomada de decisões em áreas como medicina, finanças e até mesmo no nosso dia a dia.

Conclusão:

A pesquisa da Georgia Tech representa um passo significativo no desenvolvimento de redes neurais mais confiáveis e humanas. Ao imitar o processo de tomada de decisão humana, a RTNet abre caminho para algoritmos que podem nos auxiliar em diversas situações, desde tarefas simples até decisões complexas.

Observações Adicionais:

• A equipe de pesquisa ressalta a necessidade de mais dados sobre o comportamento humano em diferentes cenários para aprimorar o desenvolvimento de modelos neurais.
• A aplicação da RTNet em outras redes neurais pode torná-las mais transparentes e confiáveis.
• No futuro, os algoritmos podem não apenas imitar nossas habilidades de tomada de decisão, mas também auxiliar na redução da carga cognitiva das milhares de decisões que tomamos diariamente.