佐治亚理工推出RTNet，AI决策首次实现随机性与时间延迟

佐治亚理工推出RTNet，AI决策首次实现随机性与时间延迟

在人工智能的世界里，我们一直在探索如何让机器更像人类一样思考。现在，来自佐治亚理工学院的研究人员们迈出了一大步，他们开发出了首个能够模拟人类感知和决策过程的神经网络——RTNet。

RTNet的诞生，标志着我们在理解和模拟人类大脑的工作方式上取得了重要进展。这个新型神经网络不仅能够生成随机决策，还能模拟人类的响应时间分布，这在以往的AI模型中是难以见到的。

与以往的神经网络不同，RTNet在处理任务时，会根据任务的难易程度调整其"思考"时间。就像我们在面对简单问题时能迅速给出答案，而在面对复杂问题时则需要更多时间来思考一样。

图源备注：图片由AI生成，图片授权服务商Midjourney

RTNet的内部机制包括两个阶段。第一阶段采用Alexnet架构，但权重参数以贝叶斯神经网络（BNN）的形式存在，引入了随机性。第二阶段则是一个累加过程，通过设置阈值，直到某一类达到阈值，推理停止。

研究人员通过全面的测试，表明RTNet能够复刻人类在准确度、响应时间和置信度方面的所有基本特征，并且比其他现有模型做得更好。

在实验中，60名参与者执行了数字辨别任务，并评估了自己的决策信心。与此同时，RTNet和其他几个先进的神经网络进行了对比测试。

实验结果显示，RTNet在模拟人类决策的随机性方面表现出色，而且能够根据任务难度调整响应时间。相比之下，其他神经网络的决策过程则完全是确定性的。

RTNet的成功，不仅在技术上具有重要意义，也为我们理解人类大脑的工作机制提供了新的视角。它的概念与认知模型中的种族模型相似，但在图像可计算性和捕捉选择间关系方面具有优势。