En metode med rødder i AI afdækker, hvordan mennesker træffer valg i grupper og sociale medier

De valg, vi træffer i store gruppesammenhænge - såsom i onlinefora og sociale medier - kan virke ret automatiske for os. Men vores beslutningsproces er mere kompliceret, end vi ved. Så, forskere har arbejdet på at forstå, hvad der ligger bag den tilsyneladende intuitive proces.

Nu, Ny forskning fra University of Washington har opdaget, at i store grupper af i det væsentlige anonyme medlemmer, folk træffer valg baseret på en model af "gruppens sind" og en udviklende simulering af, hvordan et valg vil påvirke det teoretiserede sind.

Ved at bruge en matematisk ramme med rødder i kunstig intelligens og robotteknologi, UW-forskere var i stand til at afdække processen for, hvordan en person træffer valg i grupper. Og, de fandt også ud af, at de var i stand til at forudsige en persons valg oftere end mere traditionelle beskrivende metoder. Resultaterne blev offentliggjort onsdag d. 27. nov., i Videnskab fremskridt .

"Vores resultater er særligt interessante i lyset af de sociale mediers stigende rolle i at diktere, hvordan mennesker opfører sig som medlemmer af bestemte grupper, " sagde seniorforfatter Rajesh Rao, CJ og Elizabeth Hwang professor i UW's Paul G. Allen School of Computer Science &Engineering og meddirektør for Center for Neurotechnology.

"I onlinefora og sociale mediegrupper, de kombinerede handlinger fra anonyme gruppemedlemmer kan påvirke din næste handling, og omvendt, din egen handling kan ændre hele gruppens fremtidige adfærd, " sagde Rao.

Forskerne ønskede at finde ud af, hvilke mekanismer der er på spil i omgivelser som disse.

I avisen, de forklarer, at menneskelig adfærd er afhængig af forudsigelser om fremtidige tilstande i miljøet - et bedste bud på, hvad der kan ske - og graden af ​​usikkerhed om det miljø stiger "drastisk" i sociale sammenhænge. For at forudsige, hvad der kan ske, når et andet menneske er involveret, en person laver en model af den andens sind, kaldet en teori om sind, og så bruger den model til at simulere, hvordan ens egne handlinger vil påvirke det andet "sind".

Selvom denne handling fungerer godt til en-til-en-interaktioner, evnen til at modellere individuelle sind i en stor gruppe er meget sværere. Den nye forskning tyder på, at mennesker skaber en gennemsnitlig model af et "sind" repræsentant for gruppen, selv når de andres identitet ikke er kendt.

For at undersøge de kompleksiteter, der opstår i gruppens beslutningstagning, forskerne fokuserede på "den frivilliges dilemmaopgave, "hvor nogle få individer tåler nogle omkostninger til gavn for hele gruppen. Eksempler på opgaven omfatter vagttjeneste, bloddonation og træde frem for at stoppe en voldshandling på et offentligt sted, forklarer de i avisen.

For at efterligne denne situation og studere både adfærds- og hjernereaktioner, forskerne satte forsøgspersoner i en MR, en efter en, og fik dem til at spille et spil. I spillet, kaldet et offentligt gods spil, fagets bidrag til en fælles pulje med penge påvirker andre og bestemmer, hvad alle i gruppen får igen. Et forsøgsperson kan beslutte at bidrage med en dollar eller beslutte sig for at "gratis køre" - dvs. ikke bidrage til at få belønningen i håb om, at andre vil bidrage til puljen.

Hvis de samlede bidrag overstiger et forud fastsat beløb, alle får to dollars tilbage. Forsøgspersonerne spillede snesevis af runder med andre, de aldrig mødte. Uvidende om emnet, de andre blev faktisk simuleret af en computer, der efterlignede tidligere menneskelige spillere.

"Vi kan næsten få et indblik i et menneskeligt sind og analysere dets underliggende beregningsmekanisme til at træffe kollektive beslutninger, " sagde hovedforfatter Koosha Khalvati, en ph.d.-studerende i Allen-skolen. "Når man interagerer med et stort antal mennesker, vi fandt ud af, at mennesker forsøger at forudsige fremtidige gruppeinteraktioner baseret på en model for et gennemsnitligt gruppemedlems hensigt. Vigtigere, de ved også, at deres egne handlinger kan påvirke gruppen. For eksempel, de er klar over, at selvom de er anonyme over for andre, deres egoistiske adfærd ville mindske samarbejdet i gruppen i fremtidige interaktioner og muligvis bringe uønskede resultater."

I deres undersøgelse, forskerne var i stand til at tildele matematiske variabler til disse handlinger og skabe deres egne computermodeller til at forudsige, hvilke beslutninger personen kunne træffe under leg. De fandt ud af, at deres model forudsiger menneskelig adfærd væsentligt bedre end forstærkende læringsmodeller - dvs. når en spiller lærer at bidrage baseret på, hvordan den forrige runde udbetalte eller ikke betalte uanset andre spillere – og mere traditionelle beskrivende tilgange.

I betragtning af at modellen giver en kvantitativ forklaring på menneskelig adfærd, Rao spekulerede på, om det kan være nyttigt, når man bygger maskiner, der interagerer med mennesker.

"I scenarier, hvor en maskine eller software interagerer med store grupper af mennesker, vores resultater kan indeholde nogle lektioner for AI, " sagde han. "En maskine, der simulerer 'en gruppes sind' og simulerer, hvordan dens handlinger påvirker gruppen, kan føre til en mere menneskevenlig AI, hvis adfærd er bedre i overensstemmelse med menneskers værdier."