Ett team av brittiska forskare har utvecklat en metod som gör att datorer kan fatta beslut på ett sätt som mer liknar människor. Specifikt, metoden efterliknar den komplexa processen för hur människor fattar beslut genom att göra det möjligt för datorerna att göra flera acceptabla beslut till ett specifikt problem. Forskningen publicerades i majnumret av IEEE/CAA Journal of Automatica Sinica ( JAS ).

Mänskligt beslutsfattande är inte perfekt, och olika beslut kan fattas även när samma input ges. Detta kallas variabilitet, och det finns på två nivåer:bland en grupp individer som är experter på ett område, och bland de beslut som har fattats av bara en expert. Dessa kallas variabilitet mellan och mellan experter. Efter att ha konstaterat att denna variation i beslutsfattande beteende är en viktig del i att skapa expertsystem, forskarna föreslår att snarare än att förvänta sig att datorer ska fatta samma beslut 100% av tiden, de borde istället förväntas prestera på samma nivå som människor.

"Om problemdomänen är sådan att mänskliga experter inte kan uppnå 100% prestanda, då ska vi inte förvänta oss att ett datorexpertsystem inom denna domän gör det, eller för att uttrycka det på ett annat sätt:om vi tillåter mänskliga experter att göra misstag, då måste vi tillåta ett datorexpertsystem att göra det, "säger Jonathan M. Garibaldi, Ph.D., Head of School of Computer Science vid University of Nottingham, STORBRITANNIEN, som leder forskargruppen Intelligent Modeling and Analysis (IMA).

Utredarna har hittat ett sätt att införa variation i datorer och visa att det finns fördelar att hämta. Genom att använda suddig inferens-ett system som har en "om-då" -produktion av regler där data kan representeras på ett intervall mellan 0 till 1-i stället för antingen 0 eller 1-kunde de skapa ett datorsystem som fattar beslut med liknande variation som mänskliga experter.

"Att utforska variation i beslutsfattandet är användbart. Att införa variation på noggrant kontrollerat sätt kan leda till bättre prestanda, "tillägger Garibaldi." Om vi ​​inte tillåter datorsystem att göra samma misstag som de bästa människorna, vi kommer att försena de fördelar som kan vara tillgängliga genom deras användning, "tillägger han vidare.

Forskarna ser artificiell intelligens som enheter som hjälper till att behandla problem och hjälpa till att fatta beslut. Till exempel, istället för att förvänta sig att AI kommer att ersätta en läkare för att hitta det bästa behandlingsalternativet för en cancerpatient, det bör användas som ett verktyg för att hjälpa läkare att undvika de "mest felaktiga" valen bland en rad möjliga alternativ som en utbildad mänsklig läkare (eller en grupp utbildade mänskliga läkare) kan ha gjort.

"Datorer tar inte över utan ger helt enkelt fler beslut, "säger Garibaldi." Detta är tids- och i slutändan livräddande eftersom katastrofer inträffar som ett resultat av suboptimal vård. Datorer kan hjälpa till att undvika det uppenbara misstaget som människor gör som 'adjungerade experter' i rummet som utesluter felaktiga beslut och fel genom att tillhandahålla en uppsättning alternativa beslut, som alla kan vara korrekta. "

I framtiden, forskarna hoppas kunna få dessa system till verklig medicinsk användning, där det finns ett problem och ett datasystem som kan hantera det och stödja beslutsfattande i verkligheten.