زومیت/ سامانه هوش مصنوعی جدیدی که به‌تازگی طراحی شده، می‌تواند «رفتار انسان را در هر موقعیتی» با دقتی بی‌سابقه پیش‌بینی کند.

محققان سیستم هوش مصنوعی جدیدی به نام قنطورس (Centaur) طراحی کرده‌اند که می‌تواند فرایندهای فکری و رفتاری انسان را بسیار دقیق‌تر از مدل‌های قبلی شبیه‌سازی و پیش‌بینی کند. این دستاورد می‌تواند راه را برای تحقیقات پیشرفته در زمینه‌هایی مثل روان‌شناسی، علوم شناختی و تعامل انسان و ماشین هموار کند.

مدل قنطورس با استفاده از بیش از ۱۰ میلیون تصمیم واقعی که شرکت‌کنندگان در آزمایش‌های روان‌شناسی گرفته بودند آموزش دیده است. محققان در مقاله‌ی منتشر شده‌ی خود گزارش دادند که این مدل توانسته با دقتی حدود ۶۴ درصد، طرز فکر و رفتار انسان را پیش‌بینی و بازسازی کند.

قنطورس با مجموعه‌ داده‌ی رفتاری بسیار بزرگ آموزش داده شده است
مدل‌های پیشین هوش مصنوعی تا حدی می‌توانستند رفتار انسان را پیش‌بینی کنند، اما نه با این سطح از دقت. برندن لیک، محقق روان‌شناسی و علم داده در دانشگاه نیویورک که در تحقیق مشارکت نداشت، به لایس‌ساینس گفت: «قنطورس از نظر توانایی پیش‌بینی، یک گام فراتر از مدل‌های قبلی است.»
 
قنطورس چیست؟
قنطورس نوعی مدل هوش مصنوعی است که بر پایه‌ی فرآیندهای شناختی انسان طراحی شده و با استفاده از مجموعه داده‌ی منتخب به نام Psych-101 آموزش دیده است. طبق گفته‌ی محققان، این مجموعه شامل داده‌های رفتاری بیش از ۶۰هزار نفر در ۱۶۰ آزمایش روان‌شناسی مختلف است که در مجموع بیش از ۱۰ میلیون تصمیم فردی را دربرمی‌گیرد. محققان پروژه معتقدند که این مجموعه داده ممکن است بزرگ‌ترین پایگاه داده‌ی رفتاری انسانی در جهان باشد.

مارسل بینز، نویسنده‌ی اصلی مقاله و محقق مؤسسه‌ی هوش مصنوعی انسانی‌محور هلمهولتز در آلمان، توضیح داد: «در اصل، ما به مدل، نسخه‌ای کامل از روند یک آزمایش روان‌شناسی را نشان می‌دهیم که شامل تمام آنچه شرکت‌کننده شنیده، دیده یا انجام داده است.» سپس محققان از مدل خواستند که انتخاب‌های شرکت‌کنندگان را در موقعیت‌های خاص پیش‌بینی کند. اگر مدل، انتخابی متفاوت با رفتار واقعی شرکت‌کننده ارائه می‌داد، محققان مدل را با تصحیح آن انتخاب، مجددا تنظیم می‌کردند. این فرایند بارها و بارها تکرار شد تا زمانی که قنطورس بتواند به‌طور مداوم پیش‌بینی‌های درستی ارائه دهد.

مدل قنطورس هنگام آزمایش در مقایسه با چندین مدل شناخته‌شده‌ی دیگر در حوزه تفکر انسانی، در تمامی موارد عملکرد دقیق‌تری در پیش‌بینی رفتار انسان از خود نشان داد. این مدل ویژگی منحصربه‌فردی دارد که می‌تواند انتخاب‌های انسان را حتی در شرایطی که در زمان آموزش هرگز با آن‌ها روبه‌رو نشده، پیش‌بینی کند.

نکته‌ی جالب توجه این است که مدل قنطورس توانایی سازگاری با موقعیت‌های در حال تغییر را نیز دارد و حتی می‌تواند زمان واکنش انسان‌ها را هم پیش‌بینی کند. بینز می‌گوید: «ما ابزاری ساخته‌ایم که مثل آزمایشگاهی مجازی به ما امکان می‌دهد رفتار انسان را در هر موقعیتی که به زبان طبیعی توصیف شده باشد پیش‌بینی کنیم.»

بینز و تیمش قصد دارند مدل جدید را به‌صورت مستمر بهبود دهند. آن‌ها امیدوارند مجموعه‌داده‌ی Psych-101 را با اضافه‌کردن اطلاعات جمعیت‌شناختی و روان‌شناختی از جمله سن، وضعیت اجتماعی-اقتصادی و ویژگی‌های شخصیتی گسترش دهند تا توانایی‌های آموزشی مدل را تقویت کنند. این جزئیات به مدل قنطورس امکان می‌دهد رفتارها را بر اساس ویژگی‌های فردی افراد پیش‌بینی کند.

هدف بعدی محققان استفاده از قنطورس به‌عنوان نماینده‌ای از مغز انسان برای بررسی این موضوع است که آیا الگوهای خاصی که در پردازش داده‌های این برنامه دیده می‌شوند، با تصمیم‌گیری‌های مشخص در انسان همبستگی دارند یا نه. به گفته‌ی آن‌ها، این اطلاعات می‌تواند به پاسخ‌دادن به پرسش‌هایی درباره‌ی نحوه‌ی پردازش اطلاعات در انسان و تفاوت تصمیم‌گیری بین افراد سالم و افراد دارای اختلالات روانی کمک کند.

بینز می‌گوید: «در حال حاضر، اساساً یک مدل جعبه‌سیاه داریم که به‌خوبی رفتار انسانی را پیش‌بینی می‌کند.» یعنی آن‌ها می‌دانند قنطورس چه تصمیمی را پیش‌بینی می‌کند، اما هنوز نمی‌دانند این مدل چطور به آن تصمیم رسیده است.

مشخص نیست قنطورس فرآیندهای ذهنی انسان را مدل‌سازی کرده، یا فقط نتایج را تقلید می‌کند
به گفته‌ی لیک، پرسش مهم کنونی این است: آیا قنطورس فقط رفتارهای انسان را پیش‌بینی می‌کند، یا واقعاً فرآیندهای شناختی درونی ما را بازآفرینی می‌کند؟ او این پرسش را مطرح می‌کند: «آیا این مدل واقعاً فرآیندهای ذهنی انسان را مدل‌سازی کرده، یا فقط نتایج را تقلید می‌کند؟»
مدل قنطورس افق‌های تازه‌ای را در حوزه‌های روان‌شناسی و تحقیقات سلامت می‌گشاید. از جمله کاربردهای آن می‌توان به پیش‌بینی رفتار انسان در موقعیت‌های بالینی، طراحی اولیه و تحلیل آزمایش‌های روان‌شناسی اشاره کرد. برای نمونه، محققان می‌توانند با استفاده از این مدل، روش‌هایی را برای طراحی آزمایشی بیابند که پدیده‌ی مورد نظر را با وضوح بیشتری نشان دهد یا به تعداد شرکت‌کنندگان کمتری نیاز داشته باشد.

دکتر لیک، بیش از همه از کاربردهای آموزشی مدل هیجان‌زده است. او می‌گوید: «در بلندمدت، اگر بتوانیم پیش‌بینی کنیم یک دانش‌آموز چگونه یاد می‌گیرد و مسائل را تحلیل می‌کند، آن‌گاه می‌توانیم تأثیر راهبردهای مختلف آموزشی را شبیه‌سازی کنیم؛ چیزی که می‌تواند معادلات آموزش را به‌کلی تغییر دهد.»

مطالعه در نشریه‌ی نیچر منتشر شده است.