Разработана нейросеть, которая позволяет роботу представить, что думает человек
Теория разума (ТМ) — это схема, которая описывает способность человека угадывать ментальные состояния других людей, например, убеждения, намерения и желания. Это один из видов социальных когнитивных способностей высшего уровня.
В последние годы постепенно раскрываются нейронные механизмы, лежащие в основе теории разума(TМ). Эти механизмы позволяют изучать и исследовать социальные взаимодействия между многоагентными системами и человеко-компьютерные взаимодействия.
Исследовательская группа под руководством профессора Цзэн И из Института автоматизации Китайской академии наук разработала нейронную сеть (MAToM-SNN), основанную на теории разума мультиагентных систем. Эта система успешно описывает взаимодействия многих агентов друг с другом, их конкуренцию и сотрудничество. Это очень важно для построения систем, в которых участвует много людей и роботов.
Когда ИИ получает функциональность теории разума, ее агенты могут представить себе состояние других агентов, а не только свое. Такие системы работают, как человеческое сообщество и более надежны и безопасны для человека.
Теория разума машин
Предлагаемая нейросеть состоит из двух модулей: модуль Self-MAToM для прогнозирования поведения других агентов (людей или роботов) на основе собственного опыта и модуль Other-MAToM для прогнозирования поведения других людей на основе исторических наблюдений за другими людьми или роботами.
«Предсказанное поведение других агентов с помощью MAToM-SNN обеспечивает более полное представление состояний для модели принятия решений. Это позволяет сети принятия решений корректировать свою политику», — говорит профессор Цзэн И, соавтор исследования. — «Агенты с MAToM-SNN могут использовать свой опыт наблюдения за другими агентами, чтобы сделать вывод об их будущем поведении и скорректировать свою политику для лучшего взаимодействия».
MAToM-SNN повышает производительность многоагентных систем в кооперативных и конкурентных задачах. «MAToM-SNN демонстрирует высокий уровень обобщения в задачах многоагентного обучения с подкреплением на основе рекуррентных нейронных сетей», — говорит Чжао Жуоя, соавтор исследования.
Исследователи обнаружили, что Self-MAToM помогает Other-MAToM обучаться. «Я» является предпосылкой для понимания других. «Я» делает выводы о других на основе собственного опыта, когда информация о них неполна, отмечают авторы работы.