× Vicino
Credito: dominio pubblico CC0
Ciao stakeholder. (Questo è il termine senza genere con cui mi sono esercitato perché vedo “persone” in molti post sui social media.) I ricercatori questa settimana hanno riferito di un modello di intelligenza artificiale che tenta di imitare l'irrazionalità umana nel processo decisionale, che dovrebbe essere il miglior approccio alla costruzione… L'intelligenza artificiale generale equivale a un essere umano, giusto? Ad esempio, se dicessi a Siri “Grazie” e lei rispondesse “Anche tu” invece di “Prego”, e poi mi sentirei in imbarazzo. Potrebbe sembrarmi troppo umano.
Inoltre, ecco alcuni collegamenti a rapporti sul disturbo da stress post-traumatico e le sue basi genetiche, sui diavoli della Tasmania ancora in pericolo e su un pregiudizio precedentemente sconosciuto nella valutazione degli studenti che potrebbe spaventare studenti di nome Ybarra o Zamboni.
L'irrazionalità viene catturata
Il processo decisionale umano è per natura irrazionale e altamente imprevedibile poiché le persone tentano di bilanciare le informazioni in arrivo, il comportamento diretto all’obiettivo, le previsioni sul futuro e motivazioni interne irrilevanti come il desiderio di mangiare un burrito. I ricercatori dell’intelligenza artificiale stanno ora cercando di costruire sistemi di intelligenza artificiale in grado di cooperare in modo più efficace con esseri umani irrazionali e legati al cranio, tenendo conto di questa irrazionalità.
Lo riferiscono ricercatori del MIT e dell'Università di Washington Nuova tecnologia Modellare il comportamento di un agente, sia esso umano o AI, che tenga conto dei limiti delle sue capacità di risoluzione dei problemi.
Precedenti tentativi di ricerca per modellare il processo decisionale umano hanno comportato l’aggiunta di rumore al modello in modo che l’agente scelga l’opzione corretta solo in una certa percentuale di prove. Ma l’irrazionalità umana non è sempre irrazionale allo stesso modo. Il nuovo modello trae invece ispirazione dai giocatori di scacchi di alto livello. I ricercatori hanno osservato che i giocatori di livello più alto impiegano più tempo a pensare prima di agire nelle partite difficili. Ciò si è rivelato un buon indicatore del comportamento umano e ha ispirato il loro nuovo quadro.
Il modello esegue un algoritmo per un periodo di tempo specificato per risolvere un particolare problema. Il modello confronta le decisioni dell'algoritmo con il comportamento di un agente che lavora sullo stesso problema; Può quindi allineare le decisioni dell'agente con le decisioni dell'algoritmo e determinare esattamente dove l'agente ha smesso di pianificare. Derivare il budget di inferenza dalla pianificazione dell'agente consente al modello di prevedere come l'agente farà le scelte per problemi simili.
Ottimo studio
L’esposizione ad ambienti o condizioni traumatici, come i campi di battaglia, attiva una risposta allo stress che è probabilmente adattiva e ha dimostrato di migliorare la sopravvivenza umana. Nel disturbo da stress post-traumatico, la stessa risposta diventa dannosa per la qualità della vita, il che è particolarmente importante in un paese che sta emergendo da 20 anni consecutivi di guerra. (Ovviamente, il disturbo da stress post-traumatico ha radici anche in altre cause.)
I ricercatori del Broad Institute del MIT e dell’Università di Harvard hanno recentemente condotto uno studio Studio genetico 1,2 milioni di persone e hanno identificato 95 loci genomici associati allo sviluppo di disturbo da stress post-traumatico dopo un trauma, insieme a 43 geni che hanno un ruolo nel disturbo da stress post-traumatico. Questo studio, il più grande nel suo genere, fornisce molteplici nuovi obiettivi di indagine che potrebbero portare a strategie di prevenzione e trattamento.
Zbigniew è stato sottovalutato
I ricercatori dell’Università del Michigan hanno riferito che gli studenti con titoli in ordine alfabetico inferiore hanno ottenuto voti inferiori rispetto a quelli con titoli in ordine alfabetico più alto. Ahah, c'è di peggio: anche gli studenti subordinati di ordine alfabetico hanno ricevuto commenti più negativi, meno educati e hanno mostrato una qualità del voto inferiore misurata dai reclami degli studenti. Questi risultati derivano da un’analisi dei dati del sistema di gestione dell’apprendimento online Canvas, che per impostazione predefinita ordina le domande degli studenti in ordine alfabetico in base al titolo.
Nel periodo valutato, dal 2014 al 2022, gli studenti con cognomi che iniziano con A, B, C, D o E hanno avuto voti più alti di 0,3 punti; Gli studenti con cognomi suburbani alfabetici hanno ottenuto 0,3 punti in meno, con un divario di 0,6 punti. I ricercatori ritengono che il vero problema sia la fatica, non l’ordine alfabetico.
“Pensiamo che la fatica sia uno dei principali fattori che portano a questo effetto, perché quando lavori su qualcosa per un lungo periodo di tempo, ti stanchi e poi inizi a perdere la tua attenzione e le tue capacità cognitive”, ha detto il ricercatore. Jiaxin Bai della Scuola di Informazione dell'Università del Michigan.
I risultati sono stati respinti
Alcuni amici australiani una volta mi hanno detto che era divertente parlare agli americani dei diavoli della Tasmania perché generalmente non capiamo che il personaggio dei cartoni animati della Warner Brothers è basato su un animale reale. (Al contrario, gli australiani sono pienamente consapevoli che Bugs Bunny è basato sui conigli, contro i quali l'Australia ha costruito interi recinti lungo il continente.) Come il personaggio dei cartoni animati, i veri diavoli della Tasmania sono tozzi, puzzolenti e rumorosi. Sono in grave pericolo di estinzione, minacciati da una forma contagiosa di cancro che causa la formazione di grandi tumori facciali e alla fine rende difficile ai diavoli nutrirsi.
Nel 2020, i ricercatori che monitoravano la malattia del tumore facciale del diavolo hanno riferito che la diffusione era rallentata ed era diventata stabile; Tuttavia, un team multiistituzionale di ricercatori ha ora messo in discussione queste affermazioni in un nuovo studio di genotipizzazione, trovando errori nei dati su cui il team originale ha basato le proprie conclusioni.
© 2024 Web of Science