Dans le monde de l'intelligence artificielle, nous explorons constamment comment rendre les machines plus semblables aux humains dans leur façon de penser. Aujourd'hui, des chercheurs de l'Institut de technologie de Géorgie ont franchi une étape importante en développant RTNet, le premier réseau neuronal capable de simuler la perception et le processus décisionnel humains.
La création de RTNet marque un progrès significatif dans notre compréhension et notre simulation du fonctionnement du cerveau humain. Ce nouveau réseau neuronal ne se contente pas de générer des décisions aléatoires, mais simule également la distribution des temps de réponse humains, un aspect jusqu'alors difficile à reproduire dans les modèles d'IA.
Contrairement aux réseaux neuronaux précédents, RTNet ajuste son temps de « réflexion » en fonction de la difficulté de la tâche. Tout comme nous répondons rapidement aux questions simples et prenons plus de temps pour réfléchir aux questions complexes.
Source : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney
Le mécanisme interne de RTNet comporte deux phases. La première phase utilise une architecture AlexNet, mais les paramètres de poids existent sous forme de réseau neuronal bayésien (BNN), introduisant ainsi de l'aléatoire. La seconde phase est un processus cumulatif ; un seuil est défini, et l'inférence s'arrête lorsqu'une catégorie atteint ce seuil.
Des tests complets ont démontré que RTNet reproduit toutes les caractéristiques fondamentales de l'être humain en termes de précision, de temps de réponse et de confiance, et ce, mieux que les autres modèles existants.
Au cours de l'expérience, 60 participants ont effectué une tâche de discrimination numérique et ont évalué leur confiance dans leurs décisions. Simultanément, RTNet et plusieurs autres réseaux neuronaux de pointe ont été soumis à des tests comparatifs.
Les résultats ont montré que RTNet excelle dans la simulation de la nature aléatoire des décisions humaines et qu'il est capable d'ajuster son temps de réponse en fonction de la difficulté de la tâche. En comparaison, le processus décisionnel des autres réseaux neuronaux est entièrement déterministe.
Le succès de RTNet a une importance non seulement technique, mais il offre également une nouvelle perspective sur le fonctionnement du cerveau humain. Son concept est similaire aux modèles de race dans les modèles cognitifs, mais il présente des avantages en termes de calculabilité des images et de capture des relations entre les choix.
