《自然》子刊：一种新的神经网络像人类一样做出决定

现在，乔治亚理工学院副教授多布罗米尔·拉赫涅夫(Dobromir Rahnev)实验室的研究人员正在训练它们像人类一样做出决定。研究人员表示，这种人类决策的科学只是刚刚应用于机器学习，但开发一个更接近实际人脑的神经网络可能会使其更加可靠。

　　

人类每天要做近35000个决定，从过马路是否安全到午餐吃什么。每一个决定都需要权衡各种选择，记住过去类似的情况，并对正确的选择有足够的信心。看起来像是一个快速的决定，实际上是来自于从周围环境中收集证据。通常同一个人在不同的时间在相同的场景下做出不同的决定。

神经网络则相反，每次都做出同样的决定。现在，乔治亚理工学院副教授Dobromir Rahnev实验室的研究人员正在训练它们像人类一样做出决定。研究人员表示，这种人类决策的科学只是刚刚应用于机器学习，但开发一个更接近实际人脑的神经网络可能会使其更加可靠。

在《自然人类行为》的一篇论文中，“神经网络RTNet展示了人类感知决策的特征”，心理学院的一个团队揭示了一种新的神经网络，经过训练，可以做出类似于人类的决策。

解码决定

“神经网络做出决定时，不会告诉你它们对自己的决定是否有信心，”在佐治亚理工学院(Georgia Tech)获得心理学博士学位的法尔沙德·拉菲伊(Farshad Rafiei)说，“这是与人类做出决定的本质区别之一。”

例如，大型语言模型(LLM)容易产生幻觉。当法学硕士被问到一个它不知道答案的问题时，它会在不承认技巧的情况下编造一些东西。相比之下，大多数人在同样的情况下会承认他们不知道答案。建立一个更像人类的神经网络可以防止这种口是心非，并得到更准确的答案。

制作模型

该团队用来自著名计算机科学数据集MNIST的手写数字训练他们的神经网络，并要求它破译每个数字。为了确定模型的准确性，他们使用原始数据集运行模型，然后在数字中添加噪声，使人类更难识别。为了比较模型与人类的性能，他们在原始的无噪声MNIST数据集上训练了他们的模型(以及其他三个模型:CNet、BLNet和MSDNet)，但在实验中使用的有噪声版本上测试了它们，并比较了两个数据集的结果。

研究人员的模型依赖于两个关键组成部分:贝叶斯神经网络(BNN)，它使用概率来做出决定，以及一个证据积累过程，它跟踪每个选择的证据。BNN每次产生的反应略有不同。随着证据越来越多，积累过程有时有利于一种选择，有时有利于另一种选择。一旦有足够的证据来决定，RTNet就会停止积累过程并做出决定。

研究人员还对模型的决策速度进行了计时，看看它是否遵循一种被称为“速度-准确性权衡”的心理现象，这种现象表明，当人类必须快速做出决策时，他们的准确性会降低。

一旦他们得到了模型的结果，他们将其与人类的结果进行比较。60名佐治亚理工学院的学生查看了相同的数据集，并分享了他们对自己决策的信心，研究人员发现，人类和神经网络之间的准确率、响应时间和信心模式是相似的。

“一般来说，我们在现有的计算机科学文献中没有足够的人类数据，所以我们不知道人们在看到这些图像时会有什么表现。这一限制阻碍了准确复制人类决策的模型的发展，”拉菲伊说。“这项工作提供了人类对MNIST做出反应的最大数据集之一。”

该团队的模型不仅优于所有竞争对手的确定性模型，而且由于人类心理的另一个基本因素:RTNet的行为与人类相似，它在高速场景中也更加准确。例如，当人们做出正确的决定时，他们会感到更自信。拉菲伊指出，甚至不需要专门训练模型来支持信心，模型就会自动应用它。

他说:“如果我们试图使我们的模型更接近人类大脑，它将在行为本身表现出来，而无需微调。”

研究小组希望在更多不同的数据集上训练神经网络，以测试其潜力。他们还希望将这种BNN模型应用于其他神经网络，使它们能够像人类一样进行合理化。最终，算法不仅能够模仿我们的决策能力，甚至可以帮助减轻我们每天做出的35000个决定的认知负担。