Cette IA, capable de prédiction, simule le comportement humain avec sa part d'irrationalité

Les avancées récentes dans le domaine de l'intelligence artificielle (IA) ouvrent la voie à des collaborations plus efficaces entre les humains et les machines. Une équipe de chercheurs du MIT et de l'Université de Washington a développé une méthode novatrice visant à simuler le processus décisionnel humain, permettant ainsi aux systèmes d'IA de mieux anticiper les actions futures des individus.


Lorsqu'un individu s'efforce de résoudre un problème ou d'atteindre un objectif, il n'opte pas systématiquement pour la solution optimale. De multiples éléments comme la contrainte de temps, les connaissances limitées ou la fatigue peuvent influencer ses choix. Appréhender cette diversité du comportement humain revêt une importance capitale pour perfectionner la collaboration entre les systèmes d'IA et les utilisateurs.

La méthode développée par ces chercheurs repose sur l'idée que le temps de planification et la profondeur de réflexion sont des indicateurs clés du comportement humain. Ils ont créé un algorithme simulant une série de décisions pour un problème donné, comparant ensuite ces décisions à celles prises par des humains. Ainsi, ils ont identifié le moment où ces derniers cessent de "planifier", laissant place à une part "d'irrationnel" et d'imprévisibilité.

Cette modélisation, baptisée "budget d'inférence", évalue la capacité d'un individu à assimiler les données avant de choisir. Grâce à ce budget, le modèle peut anticiper le comportement ultérieur de l'individu confronté à un problème. Cette approche permet une compréhension plus précise des processus de réflexion humaine dans différentes situations.

Les chercheurs ont testé leur méthode dans trois contextes différents. Dans un premier temps, ils ont observé des individus naviguant dans un labyrinthe pour comprendre leur façon de progresser. Ensuite, ils ont analysé les communications entre deux personnes engagées dans un jeu de description de couleur, et enfin, ils ont étudié les performances et les stratégies des joueurs d'échecs.

Les résultats obtenus sont prometteurs: le système a réussi à déduire les objectifs de navigation dans le labyrinthe à partir des parcours antérieurs, à comprendre les intentions communicatives à partir des échanges verbaux, et à prédire les prochains coups lors de parties d'échecs.

Ce travail pourrait ouvrir la voie à de nouvelles applications dans le domaine de l'IA, permettant aux systèmes de mieux comprendre et anticiper les besoins des utilisateurs, offrant ainsi un soutien plus adapté et anticipant leurs actions futures.