MIT, karar verme sürecinde beynin hangi aktivitelerini kullandığını araştırarak iki ana yapıyı ortaya koydu.
İnsan beyni, yapay sistemlerin öğrendiklerinden çok daha esnek şekilde, çok aşamalı karmaşık problemlere çözümler bulabiliyor. Bilişsel kuramlar, insan beynini yapay zekadan ayıran iki temel yapı olduğunu savunuyor: Hiyerarşik bilgi işleme (hierarchical information processing) ve karşıolgusal akıl yürütme (counterfactual reasoning)
Karşı-olgusal akıl yürütme, geçmiş deneyimlerin alternatif versiyonlarını hayal etmeyi sağlayan zihinsel yapıya deniyor. Örneğin araba kullanırken beklenmedik bir yol ayrımıyla karşılaşmak, geçmişteki olayları ve varsayımları yeniden gözden geçirmeye ve alternatif yorumlar aramaya zorluyor.
Hiyerarşik bilgi işleme ise, beynin ya da bir sistemin bilgiyi katmanlı ve sıralı düzeylerde organize ederek işlemesi anlamına geliyor. Bu süreçte, daha basit ve düşük düzeydeki bilgiler önce işleniyor, ardından bu bilgiler daha karmaşık ve soyut düzeylerde yeniden yorumlanıyor.
İnsanların genellikle karşı karşıya kaldıkları karar verme durumlarına karar ağacı deniyor. Karar ağacı; problemi ya da kararı aşama aşama modelleyen, dallanarak ilerleyen bir yapı. Her bir düğüm (node) bir seçim ya da koşulu, her bir dal (branch) olası sonucu, ve her bir yaprak (leaf) son kararı veya sonucu temsil ediyor.
Nature’da yayınlanan araştırmaya göre insanlar, içinde hiyerarşi bulunan ve farklı sonuçlara yol açan karar ağaçlarıyla karşı karşıya kaldıklarında genellikle karşıolgusal akıl yürütmeye başvuruyor.
Massachusetts Institute of Technology (MIT) araştırmacıları, hangi hesaplamaların karşı-olgusallara yönelimi motive ettiği, insanların karşı-olgusalları kullanırken rasyonel bir yaklaşım benimseyip benimsemediği gibi sorulara yanıt aradı ve katılımcılara bir test uyguladı.
Görevde katılımcıların, labirent içinde görünmeyen hareketli bir topun izlediği yolu, kısmi ve belirsiz ipuçlarına dayanarak çıkarmaları gerekiyordu. İlk olarak, labirentin geometrisi katılımcıları iki aşamalı, hiyerarşik olarak örgütlenmiş bir karar verme problemiyle karşı karşıya bıraktı. İkinci olarak ise, her karar aşamasında belirsizliği parametre olarak kontrol edebilme imkanı, karşı-olgusal düzeltmelerin kararları ne ölçüde iyileştirebileceğini değerlendirmeye olanak sağladı.
Katılımcıların davranışları, farklı bilişsel algoritmaları uygulayan çıkarım modelleriyle karşılaştırıldığında, insanların görevi çözmek için hiyerarşik bir strateji izlediklerini ve belirsizlik durumlarında kararlarını karşı-olgusalları göz önüne alarak yeniden değerlendirdikleri görüldü. Ayrıca, katılımcıların tepki süreleri ve göz hareketleri, bu görevi çözerken hiyerarşik ve karşı-olgusal akıl yürütmeden faydalandıklarını gösterdi.
Katılımcılar sadece iki kavşakta gelen sesli ipuçlarına göre topun geçtiği yolu tahmin etmeye çalıştı. Bu, insanların eşzamanlı dört farklı senaryoyu zihninde simüle etmesini gerektiren, dolayısıyla bilişsel sınırları zorlayan bir görev.
Toplamda yaklaşık 150 katılımcının dahil olduğu deneyde, araştırmacılar önce bireylerin kısa zaman aralıklarını (milisaniyeler mertebesinde) ne kadar doğru tahmin edebildiğini ölçtü. Daha sonra, her katılımcı için hiyerarşik düşünme, karşı-olgusal akıl yürütme ya da bu ikisinin kombinasyonunu içeren bilişsel modeller oluşturuldu.
Katılımcıların çoğu, ilk aşamada topun sola mı sağa mı gittiğine dair bir tahminde bulundu ve eğer bu tahmin ikinci ipucuyla uyumsuzsa katılımcılar kararlarını gözden geçirdi. Bu durumda, bazı katılımcılar karşı-olgusal düşünme stratejisine geçerek ilk kararlarını revize etti. Ancak bu geçiş, kişinin sesleri ne kadar iyi hatırladığına bağlıydı. Hafızasına daha az güvenen bireyler, kararlarını revize etmekten kaçındı.
Araştırmacılar aynı görevi, bir yapay sinir ağına da öğretip, insanlarla karşılaştırdı. Sinir ağı, tüm rotaları paralel şekilde izleyebildiğinde görevi kusursuz şekilde tamamladı. Ancak modele insan beyninin bellek ve işlem sınırlamaları tanıtıldığında, ağ da insanlar gibi kestirme stratejilere yöneldi.
Kaynak: Eurekalert
