Грант на покращення моделей штучного інтелекту для прогнозування людських виборів

Штучний інтелект може допомогти передбачити, коли пасажир обере новий маршрут, або як реагуватиме власник будинку на зміни цін на електроенергію. Проте, прогнозування людської поведінки стає особливо складним, коли окремі рішення впливають на всю систему, і водночас система впливає на ці рішення.

На підтримку досліджень Корнельського університету виділено трирічний грант у 600 000 доларів США від Національного наукового фонду. Проект спрямований на вирішення цієї проблеми, розробляючи моделі штучного інтелекту, які краще відображають людське прийняття рішень у кібер-фізичних системах, зберігаючи при цьому зрозумілість і чіткість щодо невизначеностей.

Керівник проекту Рікардо Дазіано, професор цивільної та екологічної інженерії, разом із Анною Скалліоне, професором електротехніки та комп'ютерних технологій у Cornell Tech, працює над проектом "CPS Small: Інтеграція байєсівського глибокого навчання, мікроеконометрики та графічних даних для покращених інтерпретованих моделей вибору з неоднорідними мережевими взаємодіями".

Кібер-фізичні системи все більше поєднують фізичну інфраструктуру з цифровою інформацією, автоматизованими рекомендаціями та технологіями, пов'язаними з людськими рішеннями. Вони охоплюють транспортні мережі, системи зарядки електромобілів, інфраструктуру електромережі та інші середовища, де вибори людей взаємодіють з технологією та один з одним.

"Коли люди стають частиною системи, прогнозування стає значно складнішим", — зазначив Дазіано. "Їхні рішення залежать від фізичного середовища, інформації, дій інших людей і зворотного зв'язку від самої системи. Ці рішення можуть змінювати систему для всіх інших".

Наприклад, електрична мережа переходить від системи, що домінує в ній кілька великих електростанцій, до системи, яка повинна координувати мільйони розподілених ресурсів, одночасно задовольняючи новий попит від електромобілів і дата-центрів. Штучний інтелект може допомогти передбачити, як споживачі та оператори мережі реагуватимуть, але ці рішення можуть впливати на попит і умови в інших місцях.

"Мережа стає занадто розподіленою, динамічною та складною для управління за допомогою інструментів минулого", — зауважила Скалліоне. "Це робить її надзвичайною лабораторією для наступного покоління штучного інтелекту та досягнення автономії та інтелекту, які ми починаємо спостерігати у безпілотних автомобілях, але на масштабах цілої інфраструктури".

Багато застосувань штучного інтелекту зосереджені на точності прогнозу, але в економіці та інженерії потрібно більше. "Ми повинні розуміти компроміси за прогнозом, знати, наскільки вони невизначені, і визначити, чи модель залишається надійною, коли запитуємо про нову політику або технологію", — сказав Дазіано.

Інтелектуальні основи проекту походять від дисертаційного дослідження колишнього студента Дазіано, Даніела Вільярраги, який наразі є доцентом кафедри промислової інженерії та дослідження операцій в Університеті Анд у Колумбії. Дослідження Вільярраги зосереджено на тому, як моделі глибокого навчання для дискретного вибору можуть зберігати зрозумілу поведінкову основу, дозволяючи при цьому гнучкі нелінійні компоненти та кількісно оцінюючи невизначеність.

"Ми почали з базового питання: чи можемо ми отримати гнучкість глибокого навчання, не відмовляючися від економічного тлумачення, яке робить модель вибору корисною?" — підсумував Дазіано.