No mundo da inteligência artificial, estamos sempre explorando como fazer as máquinas pensarem mais como humanos. Agora, pesquisadores do Instituto de Tecnologia da Geórgia deram um grande passo, desenvolvendo a primeira rede neural capaz de simular os processos de percepção e tomada de decisão humanos - a RTNet.
O nascimento da RTNet marca um avanço significativo em nossa compreensão e simulação do funcionamento do cérebro humano. Essa nova rede neural não apenas gera decisões aleatórias, mas também simula a distribuição do tempo de resposta humano, algo difícil de alcançar em modelos de IA anteriores.
Diferentemente das redes neurais anteriores, a RTNet ajusta seu tempo de "pensamento" ao lidar com tarefas, dependendo da dificuldade da tarefa. Assim como respondemos rapidamente a perguntas simples, mas precisamos de mais tempo para pensar em perguntas complexas.
Nota da imagem: Imagem gerada por IA, serviço de licenciamento de imagens Midjourney
O mecanismo interno da RTNet inclui duas etapas. A primeira etapa usa a arquitetura AlexNet, mas os parâmetros de peso existem na forma de uma rede neural bayesiana (BNN), introduzindo aleatoriedade. A segunda etapa é um processo cumulativo, definindo um limite até que uma categoria atinja o limite, interrompendo a inferência.
Pesquisadores, através de testes abrangentes, mostraram que a RTNet consegue replicar todas as características básicas humanas em termos de precisão, tempo de resposta e confiança, e o faz melhor do que outros modelos existentes.
Em um experimento, 60 participantes realizaram uma tarefa de discriminação de números e avaliaram sua própria confiança na decisão. Ao mesmo tempo, a RTNet e outras redes neurais avançadas foram testadas comparativamente.
Os resultados experimentais mostraram que a RTNet se destacou na simulação da aleatoriedade da tomada de decisão humana e foi capaz de ajustar o tempo de resposta de acordo com a dificuldade da tarefa. Em contraste, o processo de tomada de decisão de outras redes neurais era completamente determinístico.
O sucesso da RTNet não apenas tem um significado tecnológico importante, mas também oferece uma nova perspectiva para nossa compreensão dos mecanismos de funcionamento do cérebro humano. Seu conceito é semelhante aos modelos de raça em modelos cognitivos, mas possui vantagens em termos de computação de imagem e captura da relação entre escolhas.
