شبیه‌سازی فرآیند تصمیم‌گیری در مغز انسان

با این که بسیاری از تصمیم‌های روزانه را بدون تلاش زیاد و پیچیدگی آنچنانی می‌گیریم، اما شناخت جزئیات صورت گرفته در مغز و ساز و کار این تصمیمات آن‌قدر هم ساده نیست. دانشمندان علوم عصب‌شناسی و رایانه سال‌هاست می‌کوشند انواع مختلف هوش مصنوعی را بر مبنای تقلید ساز و کار مغز انسان طراحی کنند. یکی از اصلی‌ترین موانع پیش روی هوش مصنوعی، پیاده کردن ساختار بسیار پیچیده تصمیم‌گیری در انسان است. بتازگی دانشمندان با طراحی مدلی جدید از تصمیم‌گیری‌های پیچیده مغز انسان توانسته‌اند، به اطلاعات جالبی درباره آنچه بر قدرت تصمیم‌گیری انسان و توانایی یادگیری او تاثیر می‌گذارد، دست یابند.

شبیه‌سازی فرآیند تصمیم‌گیری انسانی

شناخت فرآیند تصمیم‌گیری در حوزه‌های مختلف علوم نظیر روان‌شناسی، علم اعصاب، رباتیک و حتی اقتصاد بسیار کاربرد دارد. تاکنون چند مدل و نرم‌افزار شبیه‌سازی نحوه تصمیم‌گیری توسط انسان طراحی شده است. این مدل‌ها به تصمیم‌گیری‌هایی محدود می‌شود که در آن هر مرحله مستقل از تصمیمات قبل است، اما مدل طراحی شده جدید می‌تواند با دقت شگفت‌آوری این نوع تصمیم‌گیری و شرایط یادگیری را شبیه‌سازی کند.

مدلی جدید برای تصمیم‌گیری

دانشمندان برای اولین بار مدلی زیستی را که می‌تواند به تصمیم‌گیری غیرمارکوفی بپردازد، طراحی کردند و توانستند درستی آن را در تصمیم‌گیری‌های انسانی و نیز مدل‌های مختلف رایانه‌ای اثبات کنند. برای تائید این مدل دو آزمون جداگانه انجام شد. این آزمون‌ها روی انسان و نیز سه مدل رایانه‌ای با درجات مختلف توانایی یادگیری (قابلیت اصلاح الگوریتم براساس یافته‌های جدید) اجرا شد. علاوه بر این، آزمون با استفاده از یک مدل پیشرفته مغز به نام شبکه عصبی نیزه‌ای (spiking neuron network) نیز مورد سنجش قرار گرفت. در این مدل وقتی تعداد زیادی از نورون‌های عصبی مغز در یک منطقه خاص، فعالیتی ناگهانی از خود نشان دهند و امواج مغزی به صورت یک قله تیز (همانند نیزه) در‌آید، مشخص می‌شود فرد تصمیمی گرفته است.

آزمایش اول: شناخت تدریجی مسیر

در آزمایش اول، تاثیر حالت جابه جایی مغز در تصمیم‌گیری و یادگیری انسان بررسی شد. به این منظور شرکت‌کنندگان یک بازی رایانه‌ای انجام دادند که در آن، با استفاده از هشت آیتم (مانند تفنگ، ماشین و...) باید مسیری را طی می‌کردند و به نقطه هدف نهایی می‌رسیدند. هر آیتم با سه دکمه ظاهر می‌شد که هر کدام مسیری متفاوت را به کاربر پیشنهاد می‌دادند و کاربر باید یکی از آنها را انتخاب می‌کرد و به این ترتیب پس از طی هشت مرحله به هدف می‌رسید. اگرچه مسیری نسبتا کوتاه از اولین آیکون به هدف وجود داشت، رفتن از طریق آن غیرممکن بود؛ مگر آن که کاربر براساس الگویی مشخص (یعنی همان حالت جابه‌جایی) حرکت می‌کرد. کاربران چند بار این آزمایش را تکرار و هر بار، بهتر از قبل مسیر اصلی را انتخاب می‌کردند. بیشتر افراد که در شروع کار با 80 بار کلیک به هدف می‌رسیدند، توانستند پس از 40 بار بازی با کمتر از 10 کلیک به هدف برسند.

آزمایش دوم: تاخیر در بازخورد

سپس آزمایش دومی ترتیب داده شد. هدف آزمایش این بود که بررسی کند، تاخیر بازخورد در زمینه عملکرد فرد، چه تاثیری در تصمیم‌گیری و یادگیری او دارد. برای این آزمایش، به کاربران مجموعه‌ای از تصاویر آزمایشی نشان داده و به آنها گفته شد، هر تصویر متعلق به دسته شماره یک یا دسته شماره 2 است. کاربر باید دسته هر تصویر را با زدن یکی از کلیدهای جهتی راست و چپ صفحه کلید مشخص می‌کرد، اما نکته آزمایش در این بود که از قبل، شرکت‌کننده اطلاعی نداشت که باید دسته شماره یک را با دکمه چپ مشخص کند یا کلید راست. در واقع باید خودش با آزمون و خطا، دسته درست و دکمه مربوط به آن را می‌یافت.

در مرحله بعدی، به هر نفر هر تصویر را یک بار نشان دادند و قرار شد بسته به این که هر تصویر به کدام دسته تعلق دارد، یکی از کلیدهای جهتی را فشار دهند. در صورتی که کلید بدرستی انتخاب می‌شد، پیغام درست و در صورت اشتباه بودن پیغام نادرست بر صفحه نمایش نقش می‌بست. در ادامه، بازخوردها کمی به تاخیر افتاد، به طوری که بازخورد یک تصویر پس از نمایش تصویر بعدی ظاهر می‌شد. این نمایش با تاخیر بازخورد به کاهش سرعت یادگیری فرد و به تاخیر افتادن یادگیری انجام درست این دسته‌بندی انجامید.

یافته‌ای مهم برای ساخت هوش مصنوعی

مطالعه سه نتیجه‌گیری مهم در ‌بر‌ داشت: اول این که تصمیم‌گیری انسان می‌تواند به خوبی مدل‌های پیچیده رایانه‌ای فعلی و در شرایط غیرمارکوفی انجام شود و بی‌تردید این یافته در تلاش‌ فعلی دانشمندان برای مدلسازی مغز انسان و طراحی سیستم هوش مصنوعی بسیار اهمیت دارد.

دوم این که تاخیر در بازخورد به طور قابل توجهی سبب اختلال در تصمیم‌گیری و یادگیری انسان می‌شود. البته تاخیر در بازخورد در عملکرد مدل‌های رایانه‌ای که حافظه به‌مراتب بهتری نسبت به انسان دارند ممکن است تاثیر نداشته باشد. در آزمون دوم شرکت‌کنندگان پس از 10 بار تلاش توانستند به طبقه‌بندی درست تصاویر بپردازند. بازخورد، عنصری حیاتی در تصمیم‌سازی و یادگیری است و نقش مهمی در رسیدن انسان به هدف دارد.

در بعضی موارد، مانند یادگیری دوچرخه‌سواری، برای حفظ تعادل، پدال زدن و ترمز باید بسرعت تصمیم گرفته شود. در غیر این صورت سقوط از روی دوچرخه حتمی است. بازخورد این فعالیت‌ها آنی است، اما در موارد دیگر همانند انواع بازی‌های فکری نظیر شطرنج، بازخورد می‌تواند به طور قابل توجهی به تاخیر ‌افتد؛ زیرا زمان زیادی برای یافتن حرکت منجر به پیروزی یا شکست وجود دارد.

در نهایت پژوهشگران دریافتند مدل عصبی نیزه‌ای با عملکرد انسان مطابقت دارد و بخوبی آن را توصیف می‌کند. از آنجا که ثابت شده تصمیم‌گیری غیرمارکوفی می‌تواند برای مدل‌های رایانه‌ای بسیار چالش‌برانگیز باشد، این پژوهش یک یافته بسیار ارزشمند در کمک به فهم این موضوع و مدلسازی دقیق مغز انسان و حتی فراتر از آن، طراحی هوش مصنوعی به شمار می‌رود.

2 نوع تصمیم گیری

تصمیم‌گیری به دو نوع مارکوفی و غیرمارکوفی تقسیم می‌شود. این نامگذاری به یادبود آندره مارکوف، ریاضیدان برجسته روس (1856 ـ 1922) صورت گرفته است. در مدل مارکوفی، هر مرحله از تصمیم‌گیری به طور کامل به وضعیت جاری امور بستگی دارد. برای مثال در بازی منچ یا بازی کودکانه لِی لِی، حرکت بعدی تنها به شرایط قرار گرفتن فعلی مهره‌ (یا فرد) روی خانه‌های جدول بستگی دارد و به چگونگی رسیدن به آن مرحله مربوط نمی‌شود. این فرآیند نسبتا ساده به طور گسترده‌ در رایانه و ماشین‌آلات به کار می‌رود.

تصمیم‌گیری غیرمارکوفی کمی پیچیده‌تر است و در آن، هر مرحله تحت تاثیر عوامل و محدودیت‌های جانبی و تصمیمات مرحله قبل است. فرض کنید شخصی تصمیم دارد با قطار مسافرت کند؛ برای این کار او باید قبل از سوار شدن از باجه بلیت تهیه کند. یعنی مرحله ورود به قطار مستلزم مرحله تهیه بلیت است؛ زیرا بدون بلیت شخص نمی‌تواند مرحله بعدی یعنی سوار شدن به قطار را انجام دهد. با وجود این که در نگاه اول، سوار شدن به قطار به مرحله قبلی یعنی رسیدن به ایستگاه و سکوی مناسب بستگی دارد، اما مرحله جانبی دیگر یعنی «خرید بلیت» در اینجا تعیین‌کننده است. این مرحله را در علوم عصب‌شناسی حالت جابه‌جایی (switch state) می‌نامند.

Medicalxpress / ترجمه: بهاره رضاجو