En el mundo de la inteligencia artificial, siempre hemos estado explorando cómo hacer que las máquinas piensen más como los humanos. Ahora, investigadores del Instituto de Tecnología de Georgia han dado un gran paso adelante, desarrollando la primera red neuronal capaz de simular los procesos de percepción y toma de decisiones humanas: RTNet.
El nacimiento de RTNet marca un avance significativo en nuestra comprensión y simulación del funcionamiento del cerebro humano. Esta nueva red neuronal no solo puede generar decisiones aleatorias, sino que también puede simular la distribución del tiempo de respuesta humano, algo difícil de lograr en modelos de IA anteriores.
A diferencia de las redes neuronales anteriores, RTNet ajusta su tiempo de "pensamiento" al procesar tareas según la dificultad de estas. Al igual que respondemos rápidamente a preguntas sencillas y necesitamos más tiempo para reflexionar sobre preguntas complejas.
Nota de la fuente: La imagen fue generada por IA, proveedor de servicios de licencias Midjourney
El mecanismo interno de RTNet consta de dos etapas. La primera etapa utiliza la arquitectura AlexNet, pero los parámetros de peso existen en forma de red neuronal bayesiana (BNN), introduciendo aleatoriedad. La segunda etapa es un proceso acumulativo, que establece un umbral hasta que una categoría alcanza el umbral, deteniéndose la inferencia.
Los investigadores, a través de pruebas exhaustivas, demostraron que RTNet puede replicar todas las características básicas humanas en cuanto a precisión, tiempo de respuesta y confianza, y lo hace mejor que otros modelos existentes.
En el experimento, 60 participantes realizaron una tarea de discriminación numérica y evaluaron su propia confianza en la decisión. Al mismo tiempo, se realizaron pruebas comparativas entre RTNet y otros modelos neuronales avanzados.
Los resultados del experimento muestran que RTNet destaca en la simulación de la aleatoriedad de la toma de decisiones humanas y puede ajustar el tiempo de respuesta según la dificultad de la tarea. En comparación, el proceso de toma de decisiones de otras redes neuronales es completamente determinista.
El éxito de RTNet no solo tiene una importancia tecnológica significativa, sino que también proporciona una nueva perspectiva para comprender los mecanismos de funcionamiento del cerebro humano. Su concepto es similar a los modelos de racimo en los modelos cognitivos, pero tiene ventajas en la computabilidad de la imagen y en la captura de la relación entre las opciones.
