Virginia Commonwealth University teadlasi on teinud märkimisväärseid edusamme kunstliku intelligentsuse (AI) valdkonnas, kavandades süsteemi, mis suudab hinnata inimese usaldusväärsust. Selle AI asjatundlikkus tuleneb mustrite õppimisest, mis on saadud Ameerika mängu “Sõber või vaenlane?”.
“Sõber või vaenlane?” olulisus peegeldab klassikalist vangi dilemma, mis on mänguteoorias alustala. Võistlejad seisavad silmitsi otsusega kas koostööd teha või petta. Vastastikune koostöö toob kaasa jagatud võidud, samas kui ühe reetmise korral võtab pettur kõik. Kui mõlemad otsustavad petta, siis ükski ei saa auhinda.
Mängu aluseks ei ole hüpoteetilised stsenaariumid ega simulatsioonid; osalejad on sügavalt seotud tulemusega, muutes nende reaktsioonid ja otsused juurdunud reaalsusesse. See autentne võistluskeskkond muudab “Sõber või vaenlane?” kullakaevanduseks käitumisanalüüsi jaoks, ületades oluliselt varasemaid uurimiskatseid, mis sageli puudusid tõelistest panustest või tuginesid osalejatele, kes olid teadlikud eksperimentaalse olukorra olemusest.
Kasutades saatest kogutud teabehulki, jälgib ja analüüsib Virginia Commonwealth University meeskond erinevaid käitumisi, nagu näoilmed, silmade liigutused, hoiak, žestid, kõnemustrid ja sotsiodemograafilised tegurid. See põhjalik hindamine võimaldab AI-l kujundada usaldusväärsust puudutavaid hinnanguid, mis võivad omada kaugelenägusid ulatuvaid tagajärgi valdkondades alates turvalisusest kuni ärini ja kaugemale.
Kunstlik intelligentsus (AI) ja mänguteooria on tihedalt seotud valdkonnad, mis võimaldavad tavaliselt AI-süsteemidel lahendada keerulisi probleeme, milles osalevad mitmed agendid, kes võivad koostööd teha või konkureerida üksteisega. Virginia Commonwealth University uurimistöö puhul on AI rakendamine mängule “Sõber või vaenlane?” praktiline näide mänguteooria kasutamisest käitumisanalüüsis.
Üks oluline küsimus, mida see uurimistöö poole püstitab, on kas AI suudab inimese usaldusväärsust täpselt ennustada, ja kui suudab, siis millises ulatuses seda saab üldistada kaugemale mängu show kontekstist. Teadlaste poolt välja töötatud AI tugineb mustrite õppimisele läbi vaatluse – meetod, mida tuntakse masinõppena. Masinõppe mudelid, eriti sügava õppe mudelid, mis suudavad töödelda suuri andmehulkasid, on eriti võimelised keerukate mustrite äratundmiseks andmetes.
Põhilised väljakutsed selles ettevõtmises hõlmavad tagamist, et AI hinnangud oleksid vabad eelarvamustest ja et sellele oleks esitatud piisavalt mitmekesine andmestik, et teha täpseid ennustusi erinevate demograafiliste rühmade kohta. Veendumine, et privaatsus ja eetilised kaalutlused on haldatud, on samuti oluline väljakutse AI rakendamisel inimkäitumise analüüsimiseks.
Kontroversid võivad tekkida AI kasutamise ümber usaldusväärsuse hindamisel, kuna sellist tehnoloogiat võiks kasutada järelvalves või diskrimineerivas profiilis, kui seda rakendatakse ilma rangete eetiliste juhiste ja järelevalveta.
AI eelised usaldusväärsuse hindamisel hõlmavad võimalust täiustatud turvameetmeteks, inimressursside halduse parandamist ja paremat otsustusvõimet usalduse kriitilistes olukordades. See võib anda ka väärtuslikke teadmisi inimpsühholoogia ja käitumise kohta, aidates kaasa valdkondadele nagu psühholoogia, kriminoloogia ja sotsioloogia.
Puudusteks võivad olla potentsiaalsed probleemid privaatsusega, ekslike järelduste risk, olemasolevate eelarvamuste kandumine ja isiklike suhete dehumaniseerimine. Seal on ka filosoofiline küsimus, kas usaldusväärsuse, sügavalt inimliku ja subjektiivse tunnuse, saab masin poolt täpselt hinnata.
Lisateabe saamiseks seonduvate linkide kohta AI ja mänguteooria kohta, võite külastada selliseid domeene nagu:
– MIT arvutiteaduse ja kunstliku intelligentsuse labor
– DeepMind
– Virginia Commonwealth University
Palun pange tähele, et neid linke tuleks kontrollida nende asjakohasuse ja täpsuse osas ajal, mil soovite neid külastada.
The source of the article is from the blog rugbynews.at