Een team van Britse onderzoekers heeft een methode ontwikkeld waarmee computers beslissingen kunnen nemen op een manier die meer lijkt op die van mensen. specifiek, de methode bootst het complexe proces na van hoe mensen beslissingen nemen door de computers in staat te stellen verschillende acceptabele beslissingen te nemen voor een specifiek probleem. Het onderzoek is gepubliceerd in het meinummer van IEEE/CAA Journal of Automatica Sinica ( JAS ).

Menselijke besluitvorming is niet perfect, en er kunnen verschillende beslissingen worden genomen, zelfs wanneer dezelfde input wordt gegeven. Dit heet variabiliteit, en het bestaat op twee niveaus:onder een groep individuen die experts zijn op een gebied, en tussen de beslissingen die door slechts één deskundige zijn genomen. Deze worden inter- en intra-expertvariabiliteit genoemd. Na te hebben vastgesteld dat deze variatie in besluitvormingsgedrag een belangrijk onderdeel is van het maken van expertsystemen, de onderzoekers stellen voor dat, in plaats van te verwachten dat computers 100% van de tijd dezelfde beslissingen nemen, in plaats daarvan zou van hen moeten worden verwacht dat ze op hetzelfde niveau presteren als mensen.

"Als het probleemdomein zodanig is dat menselijke experts geen 100% prestatie kunnen bereiken, dan moeten we niet verwachten dat een computerexpertsysteem in dit domein dat doet, of anders gezegd:als we menselijke experts fouten laten maken, dan moeten we een computerexpertsysteem toestaan ​​dit te doen, " zegt Jonathan M. Garibaldi, doctoraat, Hoofd van de School of Computer Science aan de Universiteit van Nottingham, VK, die de onderzoeksgroep Intelligent Modeling and Analysis (IMA) leidt.

De onderzoekers hebben een manier gevonden om variatie in computers te introduceren en laten zien dat daar winst mee te behalen is. Door gebruik te maken van vage gevolgtrekkingen - een systeem met een 'als-dan'-productie van regels waarbij gegevens kunnen worden weergegeven op een bereik van 0 tot 1 - in plaats van 0 of 1 - konden ze een computersysteem creëren dat beslissingen neemt met vergelijkbare variabiliteit als menselijke experts.

"Het is nuttig om variatie in de besluitvorming te onderzoeken. Variatie op een zorgvuldig gecontroleerde manier introduceren kan leiden tot betere prestaties, ", voegt Garibaldi toe. "Tenzij we computersystemen dezelfde fouten laten maken als de beste mensen, we zullen de voordelen uitstellen die mogelijk beschikbaar zijn door het gebruik ervan, ’ voegt hij er nog aan toe.

De onderzoekers zien kunstmatige intelligentie als apparaten die helpen bij het behandelen van problemen en helpen bij het nemen van beslissingen. Bijvoorbeeld, in plaats van te verwachten dat AI een arts vervangt bij het bedenken van de beste behandelingsoptie voor een kankerpatiënt, het zou moeten worden gebruikt als een hulpmiddel om artsen te helpen de "meest verkeerde" keuzes te vermijden uit een reeks mogelijke opties die een getrainde menselijke arts (of een groep opgeleide menselijke artsen) zou kunnen hebben gemaakt.

"Computers nemen het niet over, maar geven gewoon meer beslissingen, " zegt Garibaldi. "Dit is tijd- en uiteindelijk levensreddend omdat rampen gebeuren als gevolg van suboptimale zorg. Computers kunnen helpen de flagrante fout te vermijden die mensen maken als 'adjunct-experts' in de kamer die de verkeerde beslissingen en fouten uitsluiten door een reeks alternatieve beslissingen te bieden, dat kan allemaal kloppen."

In de toekomst, de onderzoekers hopen deze systemen in echt medisch gebruik te krijgen, waarbij er een probleem is en een computersysteem dat dit kan aanpakken en de besluitvorming in het echte leven kan ondersteunen.