計算機通過建模來學習更好地理解人類

計算機能夠通過跟蹤他們的視線和動作來學習解釋個人的行為。

來自阿爾托大學，伯明翰大學和奧斯陸大學的研究人員為計算機學習心理學上合理的個體模型鋪平了道路，僅僅是通過觀察它們。在新發布的會議文章中，研究人員表明，只需觀察用戶點擊菜單項的時間長度，就可以推斷出一種能夠再現相似行為并準確估計該用戶視覺系統某些特征的模型，例如注視持續時間。

盡管人工智能取得了重大突破，但計算機很難理解用戶為何如此行事。描述個人能力和目標的認知模型可以更好地解釋，因此也能夠在新環境中預測個人行為。但是，從實際可用的間接數據中學習這些模型已經遙不可及。

“我們的方法的好處是需要比”黑匣子“方法少得多的數據。以前用于執行此類調整的方法要么需要大量的手工勞動，要么需要大量非常準確的觀察數據，迄今為止，限制了這些模型的適用性，“阿爾托大學的博士生AnttiKangasrääsiö解釋道。

該方法基于近似貝葉斯計算(ABC)，這是一種機器學習方法，用于從觀測中推斷非常復雜的模型，用于氣候科學和流行病學等。它為從自然觀察中自動推斷人類行為的復雜模型鋪平了道路。這可以用于人機交互，或者自動評估個體能力，例如檢測認知衰退的癥狀。

“我們將能夠推斷一個人的模型，該模型也模擬了該人如何在全新的環境中學習，”阿爾托大學機器學習教授Samuel Kaski說。

“我們對這項工作在智能用戶界面領域的前景感到興奮，”阿爾托大學用戶界面教授Antti Oulasvirta說。

“將來，計算機將能夠以與人類相互理解的方式相似的方式理解人類。然后，它可以更好地預測潛在變化的好處，還可以預測個人的個人成本，自適應界面缺乏，“他繼續說道。