Gerçekten Rasyonel Miyiz?

“Gerçekten Rasyonel Miyiz? Yapay Zeka, Uzun Süredir Devam Eden Bilimsel Bir İnancı Sarsıyor”

Yapay Zeka Robot Düşüncesi
Yeni araştırmalar, küçük sinir ağlarının beyinlerin gerçekte nasıl öğrendiğini taklit ederek gözden kaçan karar verme stratejilerini ortaya çıkarabileceğini ve hepimizin yaptığı kusurlu seçimlere yeni bir bakış açısı sunduğunu gösteriyor. Kaynak: Stok

İnsan Karar Alma Süreçlerine Yeni Bir Bakış
Yeni bir çalışma, insan karar alma mekanizmalarının altında yatan süreçleri ortaya çıkarmak için küçük sinir ağlarını kullanıyor.

Bilim insanları uzun zamandır insanların ve hayvanların nasıl karar aldığını, genellikle son deneyimlerin ve deneme-yanılma yöntemlerinin davranışları nasıl şekillendirdiğini inceliyor. Ancak geleneksel modeller, karar alma süreçlerinin bazı önemli yönlerini gözden kaçırabiliyor çünkü bu modeller, bireylerin her zaman geçmiş sonuçlara dayanarak en mantıklı veya faydalı seçeneği seçmeye çalıştığını varsayıyor.

Yeni bir çalışmada araştırmacılar, yapay zekayı kullanarak karar alma sürecini daha gerçekçi bir şekilde incelemek için farklı bir yaklaşım benimsedi. Bir bireyin seçimlerini gerçekte neyin etkilediğini (bu seçimler etkili olsun ya da olmasın) araştırmak için küçük yapay sinir ağları oluşturdular.

“Beyinlerin Karar Verme Sürecinde Nasıl Öğrenmesi Gerektiğini Varsaymak Yerine…”
“Beyinlerin kararlarımızı optimize etmede nasıl öğrenmesi gerektiğini varsaymak yerine, bireylerin aslında karar vermeyi nasıl öğrendiğini keşfetmek için alternatif bir yaklaşım geliştirdik,” diye açıklıyor çalışmanın yazarlarından ve New York Üniversitesi Psikoloji Bölümü’nde yardımcı doçent olan Marcelo Mattar. “Bu yaklaşım, bir dedektif gibi çalışarak hayvanların ve insanların kararlarını nasıl aldığını ortaya çıkarıyor. Küçük sinir ağları kullanarak—anlaşılması yeterince basit ancak karmaşık davranışları yakalayacak kadar güçlü olan modeller—on yıllardır bilim insanlarının gözden kaçırdığı karar verme stratejilerini keşfettik.”

Küçük Sinir Ağları, Büyük İçgörüler
Çalışmanın yazarları, küçük sinir ağlarının—genellikle ticari YZ uygulamalarında kullanılan sinir ağlarının basitleştirilmiş versiyonları—hayvanların seçimlerini, optimal davranışı varsayan klasik bilişsel modellerden çok daha iyi tahmin edebildiğini belirtiyor. Bunun nedeni, bu ağların optimal olmayan davranış kalıplarını aydınlatabilmesi. Laboratuvar görevlerinde, bu tahminler aynı zamanda ticari YZ uygulamalarında kullanılan büyük sinir ağlarının yaptığı tahminler kadar iyi.

“Çok küçük ağlar kullanmanın bir avantajı, bireylerin seçimlerinin arkasındaki nedenleri veya mekanizmaları kolayca yorumlamamızı sağlayan matematiksel araçları kullanabilmemizdir. Bu, çoğu YZ uygulamasında kullanılan büyük sinir ağları kullansaydık çok daha zor olurdu,” diye ekliyor yazar Ji-An Li, California Üniversitesi, San Diego’da Sinirbilimler Doktora Programı öğrencisi.

“YZ’de kullanılan büyük sinir ağları tahmin yapmada çok iyidir,” diyor yazar Marcus Benna, UC San Diego Biyolojik Bilimler Fakültesi’nde nörobiyoloji yardımcı doçenti. “Örneğin, bir sonraki hangi filmi izlemek isteyeceğinizi tahmin edebilirler. Ancak, bu karmaşık makine öğrenimi modellerinin tahminlerini yapmak için hangi stratejileri kullandığını özetle anlatmak çok zordur—örneğin neden bir filmi diğerinden daha çok seveceğinizi düşünüyorlar. Fizik yöntemlerini kullanarak bu basit YZ modellerini hayvanların seçimlerini tahmin etmek üzere eğitip dinamiklerini analiz ederek, iç işleyişlerini daha anlaşılır terimlerle aydınlatabiliriz.”

Laboratuvarın Ötesinde: Gerçek Dünya Uygulamaları
Hayvanların ve insanların deneyimlerinden nasıl öğrendiğini ve kararlar aldığını anlamak yalnızca bilim dünyasının temel hedeflerinden biri değil, aynı zamanda iş dünyası, devlet ve teknoloji alanlarında da faydalıdır. Ancak, optimal karar vermeyi hedefleyen mevcut modeller, gerçekçi davranışları yakalamakta genellikle başarısız oluyor.

Nature dergisinde yayınlanan bu yeni çalışmada tanımlanan model genel olarak insanların, insan olmayan primatların ve laboratuvar farelerinin karar verme süreçleriyle uyum gösterdi. Özellikle, model optimal olmayan kararları tahmin ederek karar vermenin “gerçek dünya” yansımasını daha iyi yansıttı—bu da optimal karar vermeyi açıklamaya odaklanan geleneksel modellerin varsayımlarıyla tezat oluşturuyor. Dahası, NYU ve UC San Diego’daki bilim insanlarının modeli, her katılımcının karar vermede farklı stratejiler kullandığını ortaya çıkararak bireysel düzeyde karar vermeyi tahmin edebildi.

“Tıpkı fiziksel özelliklerdeki bireysel farklılıkları incelemenin tıpta devrim yaratması gibi, karar verme stratejilerindeki bireysel farklılıkları anlamak da zihinsel sağlık ve bilişsel işlevlere yaklaşımımızı dönüştürebilir,” diye sonlandırıyor Mattar.

Kaynak. SciTechDaily
Haber Veriyoruz