Imagem ilustrativa Pixabay
Quando um indivíduo tenta resolver um problema ou alcançar um objetivo, ele não escolhe necessariamente a solução ótima. Vários fatores, como limitação de tempo, conhecimento escasso ou fadiga, podem influenciar suas escolhas. Compreender essa diversidade de comportamento humano é crucial para aperfeiçoar a colaboração entre sistemas de IA e usuários.
O método desenvolvido por esses pesquisadores baseia-se na ideia de que o tempo de planejamento e a profundidade de reflexão são indicadores chave do comportamento humano. Eles criaram um algoritmo que simula uma série de decisões para um problema específico, comparando essas decisões com as tomadas por seres humanos. Assim, identificaram quando os seres humanos param de "planejar", dando espaço a uma parte "irracional" e imprevisível.
Essa modelagem, chamada de "orçamento de inferência", avalia a capacidade de um indivíduo de absorver dados antes de tomar uma decisão. Com esse orçamento, o modelo pode prever o comportamento subsequente do indivíduo diante de um problema. Esta abordagem permite uma compreensão mais precisa dos processos de pensamento humano em diferentes situações.
Os pesquisadores testaram seu método em três contextos diferentes. Primeiro, observaram indivíduos navegando em um labirinto para entender como eles progridem. Depois, analisaram as comunicações entre duas pessoas envolvidas em um jogo de descrição de cores e, por fim, estudaram as performances e estratégias dos jogadores de xadrez.
Os resultados são promissores: o sistema conseguiu deduzir os objetivos de navegação no labirinto a partir dos percursos anteriores, entender as intenções comunicativas a partir das trocas verbais, e prever as próximas jogadas em partidas de xadrez.
Este trabalho poderia abrir caminho para novas aplicações no campo da IA, permitindo que os sistemas entendam e antecipem melhor as necessidades dos usuários, oferecendo assim um suporte mais adaptado e prevendo suas ações futuras.