Modelos cognitivos facilitan la inferencia en tiempo real de motivos latentes

Área de la Ciencia:

• Ciencia Cognitiva
• Inteligencia Artificial
• Aprendizaje Automático

Sus antecedentes:

• La interacción social depende de la inferencia de los estados latentes de otros a partir del comportamiento.
• Los sistemas actuales de inteligencia artificial (IA) a menudo carecen de esta capacidad.
• Comprender la intención humana es crucial para desarrollar IA avanzada.

Objetivo del estudio:

• Probar modelos cognitivos para la evaluación de motivos latentes en tiempo real en IA.
• Evaluar redes neuronales profundas para inferir la intención del jugador humano.
• Comparar el rendimiento de la IA utilizando datos observables frente a la selección de características basada en modelos.

Principales métodos:

• Se entrenaron redes neuronales profundas utilizando datos de movimiento observables.
• Las redes utilizaron características de un modelo generativo inspirado en la teoría de aproximación-evitación.
• Se comparó el rendimiento entre diferentes enfoques de entrenamiento y puntos de referencia humanos.

Principales resultados:

• Los parámetros latentes del modelo predijeron significativamente la intención humana, superando los niveles de rendimiento humano.
• La combinación de inferencias basadas en modelos con estadísticas de comportamiento mejoró la precisión del clasificador.
• Este enfoque híbrido condujo a un entrenamiento de redes de IA más rápido y estable.

Conclusiones:

• Los modelos cognitivos ofrecen una vía prometedora para el desarrollo de la IA.
• La integración de principios cognitivos puede crear una IA más explicable y confiable.
• La inferencia de intenciones en tiempo real es factible y beneficiosa para los sistemas de IA.