AI: RTNet – model, który zaczyna myśleć jak człowiek

Sztuczna inteligencja zaczyna “myśleć” w sposób zaskakująco podobny do ludzkiego. Zespół naukowców z Georgia Tech University opracował model o nazwie RTNet, który naśladuje ludzkie procesy decyzyjne, uwzględniając nie tylko poprawność odpowiedzi, ale także czas reakcji i poziom pewności. To przełomowe podejście może ograniczyć problem tzw. halucynacji, czyli błędnych odpowiedzi generowanych przez sztuczną inteligencję. W tym samym czasie pojawiły się dwa inne modele, które do niemal perfekcji opanowały procesy zachodzące w umyśle człowieka.

Model RTNet, którego nazwa nawiązuje do czasu reakcji (ang. response time), został zaprojektowany, aby łączyć zalety tradycyjnych sieci neuronowych z modelami kognitywnymi inspirowanymi neuronauką. W odróżnieniu od klasycznych sieci, które skutecznie przetwarzają obrazy w przewidywalny sposób, RTNet wprowadza element losowości, charakterystyczny dla ludzkiego myślenia. Kluczowym elementem RTNet jest mechanizm akumulacji dowodów, który przypomina sposób, w jaki ludzki mózg przetwarza informacje. Pozwala on na generowanie odpowiedzi o różnym stopniu pewności. To podejście odróżnia RTNet od tradycyjnych modeli SI, które często się mylą, albo – gdy nie są czegoś pewne – unikają udzielenia odpowiedzi. Przykładem jest sytuacja po wycofaniu się Joe Bidena z wyborów prezydenckich w 2024 roku. Chatboty, gdy pytane o to, kto jest kandydatem Demokratów, nie potrafiły wskazać właściwej odpowiedzi.

Egzamin zdany na piątkę z plusem

Naukowcy przetestowali RTNet, wykorzystując zbiór danych MNIST, czyli zestaw ręcznie pisanych cyfr, do którego wprowadzono szum wizualny, utrudniający rozpoznawanie. Co istotne, w badaniu wzięło udział 60 osób, które wykonały to samo zadanie co sztuczna inteligencja – każda z nich przeanalizowała 960 obrazów. Rezultaty porównano pod kątem trzech kluczowych kryteriów: szybkości, dokładności i pewności odpowiedzi. RTNet nie tylko osiągnął wyniki zbliżone do ludzkich, ale także wykazał podobne wzorce zachowań – na przykład dłuższy czas analizy prowadził do większej precyzji, co odzwierciedla ludzką zależność między szybkością a dokładnością.

Sztuczna inteligencja już nas rozgryzła

Równolegle do RTNet, naukowcy z Helmholtz Munich opracowali model Centaur, który również naśladuje ludzkie procesy decyzyjne, ale na znacznie szerszą skalę. Wytrenowany na ogromnym zbiorze danych Psych-101, zawierającym ponad 10 milionów decyzji z 160 różnych eksperymentów psychologicznych, potrafi przewidywać ludzkie zachowania w różnorodnych sytuacjach – od podejmowania decyzji w grach strategicznych po analizę moralnych dylematów. Model ten, w odróżnieniu od RTNet, nie zajmuje się przetwarzaniem obrazów, lecz korzysta z informacji przekazywanych w języku naturalnym, np. angielskim. Pozwala mu to symulować ludzkie reakcje w bardziej złożonych i abstrakcyjnych kontekstach, takich jak podejmowanie decyzji w warunkach niepewności czy uczenie się nowych umiejętności.

Centaur potrafi nie tylko przewidywać, jak zachowa się przeciętna osoba, lecz również antycypować mnogość reakcji, jakie mogą wystąpić w społeczeństwie, co czyni go potężnym narzędziem w badaniach nad kognitywistyką. W testach model Centaur w 31 z 32 zadań osiągnął lepsze wyniki niż klasyczne modele psychologiczne oraz inne systemy AI, takie jak np. LLaMA. Zadania dotyczyły m.in. przewidywania strategii w grach czy reakcji na nowe scenariusze. Co istotne, Centaur wykazał zaskakującą zgodność z aktywnością ludzkiego mózgu, mimo że nie był bezpośrednio trenowany na danych neurologicznych. Badacze odkryli, że sposób, w jaki model przetwarza informacje, pokrywa się z aktywnością ludzkiego mózgu w trakcie wykonywania tych samych zadań. – Stworzyliśmy narzędzie, które pozwala nam przewidywać ludzkie zachowania w każdej sytuacji opisanej w języku naturalnym. To takie wirtualne laboratorium – mówi Marcel Binz, który jest również głównym autorem badania.

Polacy nie gęsi, iż swój model mają

Centaura nie jest jedyną sztuczną inteligencją opartą na psychologii behawioralnej. Polska firma FastTony stworzyła przełomowe rozwiązanie, które wykorzystuje tę dziedzinę nauki, by zrewolucjonizować marketing online. Opracowany przez nią model językowy pozwala małym i średnim przedsiębiorstwom konkurować z międzynarodowymi korporacjami. W jego budowie uczestniczył m.in. dr Maciej Chrzanowski – naukowiec związany z Politechniką Rzeszowską, specjalizujący się w badaniach nad sztuczną inteligencją.

Model opracowany przez FastTony działa w oparciu o zaawansowane mechanizmy psychologii behawioralnej, co pozwala mu generować treści marketingowe o wyjątkowo wysokiej skuteczności. System analizuje dane o zachowaniach konsumentów, wykorzystując setki badań z zakresu heurystyk decyzyjnych i reakcji na bodźce reklamowe.

Podczas gdy RTNet koncentruje się na naśladowaniu ludzkich procesów decyzyjnych w kontekście percepcji wizualnej, FastTony skupia się na praktycznym wykorzystaniu wiedzy o ludzkich zachowaniach w komunikacji i wpływaniu na procesy decyzyjne. Upraszczając: odbiorcy dostają komunikaty, które zmieniają ich podejście do produktów i usług, a z czasem kształtują także cele, potrzeby i pragnienia. Dziesiątki mikro-sugestii i treści nasyconych perswazją podawane są w przystępnej i atrakcyjnej formie. Wszystko to ma wywołać w internautach przekonanie, że dokonanie zakup jest odpowiedzią na ich potrzeby.

– Nasz model językowy pozwala tworzyć komunikaty tak skuteczne, że mogą konkurować z treściami tworzonymi przez ekspertów od psychologii sprzedaży z największych agencjach reklamowych. Otwieramy przed małymi i średnimi firmami drzwi do świata hiperpersonalizacji marketingu, przez które dotąd wchodziły jedynie podmioty dysponujące potężnymi budżetami. Najbardziej cieszy mnie jednak to, że doświadczenie zdobyte przez prawie dziesięć lat, m.in. dzięki pracy na 250 tys. fanpage’y, udało się zamknąć w narzędziu, które kosztuje mniej niż obiad i wymaga zaledwie pięciu minut konfiguracji. Co istotne, poradzi sobie z nim nawet osoba, która nie zna się na technologii czy marketingu – mówi Daniel Kędzierski, CEO FastTony.

Kluczowym elementem modelu jest perswazyjny indeks dopasowania (Persuasive Fit Index), który ocenia każdy komunikat pod kątem jego zdolności do wpływania na sposób postrzegania treści przez odbiorcę. FastTony osiąga w tym zakresie skuteczność na poziomie 90–100 proc., podczas gdy standardowe modele językowe, takie jak ChatGPT, uzyskują wyniki w przedziale od 50 do maksymalnie 80 proc.

Więcej newsów z branży TUTAJ.