AI新突破！首個能夠模擬人類感知和決策過程的神經網絡——RTNet

在人工智能的世界裏，我們一直在探索如何讓機器更像人類一樣思考。現在，來自佐治亞理工學院的研究人員們邁出了一大步，他們開發出了首個能夠模擬人類感知和決策過程的神經網絡——RTNet。

RTNet的誕生，標誌着我們在理解和模擬人類大腦的工作方式上取得了重要進展。這個新型神經網絡不僅能夠生成隨機決策，還能模擬人類的響應時間分佈，這在以往的AI模型中是難以見到的。

與以往的神經網絡不同，RTNet在處理任務時，會根據任務的難易程度調整其"思考"時間。就像我們在面對簡單問題時能迅速給出答案，而在面對複雜問題時則需要更多時間來思考一樣。

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

RTNet的內部機制包括兩個階段。第一階段採用Alexnet架構，但權重參數以貝葉斯神經網絡（BNN）的形式存在，引入了隨機性。第二階段則是一個累加過程，通過設置閾值，直到某一類達到閾值，推理停止。

研究人員通過全面的測試，表明RTNet能夠復刻人類在準確度、響應時間和置信度方面的所有基本特徵，並且比其他現有模型做得更好。

在實驗中，60名參與者執行了數字辨別任務，並評估了自己的決策信心。與此同時，RTNet和其他幾個先進的神經網絡進行了對比測試。

實驗結果顯示，RTNet在模擬人類決策的隨機性方面表現出色，而且能夠根據任務難度調整響應時間。相比之下，其他神經網絡的決策過程則完全是確定性的。

RTNet的成功，不僅在技術上具有重要意義，也爲我們理解人類大腦的工作機制提供了新的視角。它的概念與認知模型中的種族模型相似，但在圖像可計算性和捕捉選擇間關係方面具有優勢。