فهم و پیش‌بینی رفتار انسانی به دلیل تمایل ما به اتخاذ تصمیمات غیرمنطقی تحت تأثیر عوامل مختلفی از جمله تغییرات محیطی، خستگی، محدودیت‌های زمانی، و کمبود دانش یا مهارت‌های لازم، به مدت زمانی طولانی پیچیده بوده است. با این حال، متخصصان از دانشگاه ماساچوست (MIT) و دانشگاه واشنگتن یک روش نوآورانه توانایی شبیه‌سازی رفتار انسان را با دقت قابل توجهی ارائه کرده‌اند.
این سامانه پیش‌بینی پیشرفته می‌تواند رفتارهایی را که یک فرد ممکن است در شرایط مختلف انجام دهد پیش‌بینی کند. این پیشرفت همچنین قول پیشرفت حوزه هوش مصنوعی را از طریق مدل‌سازی ماشین‌ها و مکانیسم‌های مجهز به هوش مصنوعی می‌دهد. الگوریتم منطبق با منطق و اعمال آنان گاهی غیرمنطقی، شباهت قابل توجهی با واقعیت دارد.
پایه این روش بر دو معیار اساسی استوار است: زمان تخصیص یافته برای برنامه‌ریزی و عمق تأمل. پژوهشگران الگوریتمی برای حل وظایف ابداع کردند و افرادی را دعوت کردند که همان وظایف را حل کنند. پس از مقایسه نتایج، آنها نقطه انحراف توقف برنامه‌ریزی انسان را شناسایی کردند. این اطلاعات به الگوریتم یکپارچه شدند، به خصوص در مورد ابهام و غیرمنطقی بودن تصمیم‌گیری، با استفاده از آنچه که آنها “بودجه استدلال” نامیده‌اند.
“بودجه استدلال” برای این روش برای پیش‌بینی رفتار انسان در مواجهه با یک مشکل اساسی است. با استفاده از این “بودجه استدلال”، متخصصان یک دستیار هوش مصنوعی ایجاد کرده‌اند که از داده‌های موجود برای درک علت اعمال و پشتیبانی متناسب با نیازهای کاربران و پیش‌بینی نیازهای آینده استفاده می‌کند.
آزمایش این روش شامل سه سناریو بود: جهت‌یابی انسان در مارپیچ، بازی حدس رنگ با استفاده از نکات شفاهی تنها، و بازی شطرنج. نتایج بسیار چشم‌گیر بودند زیرا سیستم به موفقیت در تعیین اهداف جهت‌یابی در مارپیچ، درک اندازه‌گیریشده از انگیزه از مبادلات شفاهی، و پیش‌بینی حرکات بعدی در بازی شطرنج رسید. این مطالعه نه تنها به نمایش قرار دادن کارایی سیستم کمک می‌کند بلکه به اندازه‌گیری کاربردهای بزرگ در فناوری‌های وابسته به تعامل انسان-هوش مصنوعی نیز اشاره می‌کند.
فهم و پیش‌بینی رفتار انسانی نه تنها یک چالش است بلکه در بسیاری از حوزه‌ها از جمله اقتصاد، جامعه‌شناسی، و فناوری، یک ضرورت است. با ارائه یک الگوریتم که می‌تواند رفتار انسان را پیش‌بینی کند، محققان از MIT و دانشگاه واشنگتن به این تلاش بین‌رشته‌ای مهم نقل قول ارزشمندی داده‌اند.
مزایا:
– این الگوریتم می‌تواند تعامل انسان و کامپیوتر را بهبود بخشیده و دستیارهای هوش مصنوعی را توانمند تر و مؤثرتر کند.
– در زمینه‌هایی مانند حمل‌ونقل، برنامه‌ریزی شهری، و ایمنی عمومی، پیش‌بینی دقیق رفتار انسانی می‌تواند خدمات پاسخ‌دهی و واکنش‌های اضطراری را بهبود بخشد.
– این فناوری ممکن است منجر به پیشرفت‌هایی در زمینه رباتیک و اتوماسیون شود که در آن ماشین‌ها باید به انجام اعمال انسان و تطابق با آن انطباق یابند.
– در زمینه سرگرمی و بازی، الگوریتم می‌تواند برای ایجاد شخصیت‌های غیر بازیکن پیچیده‌تری که با نحوه رفتارهای مانند انسان عمل کند، استفاده شود.
پرسش‌های کلیدی:
1. این الگوریتم چگونه با تنوع گسترده در رفتارهای انسانی فردی برخورد می‌کند؟
2. در چه راه‌هایی این فناوری ممکن است سوءاستفاده شود و چه ملاحظات اصولی درگیر هستند؟
3. در شرایط واقعی خارج از شرایط کنترل شده، الگوریتم چه سطح دقت را می‌تواند برساند؟
چالش‌ها و اختلافات:
– نگرانی‌های حریم شخصی: الگوریتم‌های پیش‌بینی اغلب نیازمند داده‌های بسیاری هستند که سوالاتی درباره منابع داده و تهدیدات ممکن به حریم خصوصی به وجود می‌آورد.
– پیش‌بینی ناپذیری: رفتار انسان ممکن است ذاتاً پیش‌بینی ناپذیر باشد و تحسین همه متغیرهای ممکن یک مسأله پیچیده است.
– کاهش انحیازها: خطر وجود دارد که هوش مصنوعی بتواند تصمیم‌گیری‌های پیشین را به یاد بیاورد یا حتی تقویت کند در صورتی که با دقت طراحی و نظارت نشود.
معایب:
– برداشت‌های اشتباه الگوریتم در سناریوهای بازی‌های با پیامدهای بالا ممکن است منجر به عواقب منفی شود.
– وابستگی به فناوری برای درک رفتار انسانی ممکن است منجر به کاهش تعامل انسان به انسان و درک شود.
– طراحی الگوریتم برای در نظر گرفتن تنوع رفتار انسانی در فرهنگ‌ها و افراد مختلف چالش انگیز است.
برای کسانی که به کارهای و تحقیقات گسترده ارائه شده از این دو مؤسسه علاقه‌مند هستند، وب‌سایت‌های مربوط به هر یک به ترتیب به شرح زیر هستند:
– دانشگاه ماساچوست
– دانشگاه واشنگتن
در تحلیلها و بحث‌های بیشتر درباره این فناوری، حائز اهمیت است که اطمینان حاصل شود که مزایای الگوریتم بدون خسارت ملاحظات اخلاقی یا آزادی فردی محقق شود. تلاقی رفتار انسان با هوش مصنوعی به عنوان یک زمینه در حال تکامل، پتانسیل پیشرفت‌های بزرگ و گفتگو‌های اصولی قابل توجهی را دارد.
The source of the article is from the blog publicsectortravel.org.uk