计算机通过建模来学习更好地理解人类

计算机能够通过跟踪他们的视线和动作来学习解释个人的行为。

来自阿尔托大学，伯明翰大学和奥斯陆大学的研究人员为计算机学习心理学上合理的个体模型铺平了道路，仅仅是通过观察它们。在新发布的会议文章中，研究人员表明，只需观察用户点击菜单项的时间长度，就可以推断出一种能够再现相似行为并准确估计该用户视觉系统某些特征的模型，例如注视持续时间。

尽管人工智能取得了重大突破，但计算机很难理解用户为何如此行事。描述个人能力和目标的认知模型可以更好地解释，因此也能够在新环境中预测个人行为。但是，从实际可用的间接数据中学习这些模型已经遥不可及。

“我们的方法的好处是需要比”黑匣子“方法少得多的数据。以前用于执行此类调整的方法要么需要大量的手工劳动，要么需要大量非常准确的观察数据，迄今为止，限制了这些模型的适用性，“阿尔托大学的博士生AnttiKangasrääsiö解释道。

该方法基于近似贝叶斯计算(ABC)，这是一种机器学习方法，用于从观测中推断非常复杂的模型，用于气候科学和流行病学等。它为从自然观察中自动推断人类行为的复杂模型铺平了道路。这可以用于人机交互，或者自动评估个体能力，例如检测认知衰退的症状。

“我们将能够推断一个人的模型，该模型也模拟了该人如何在全新的环境中学习，”阿尔托大学机器学习教授Samuel Kaski说。

“我们对这项工作在智能用户界面领域的前景感到兴奋，”阿尔托大学用户界面教授Antti Oulasvirta说。

“将来，计算机将能够以与人类相互理解的方式相似的方式理解人类。然后，它可以更好地预测潜在变化的好处，还可以预测个人的个人成本，自适应界面缺乏，“他继续说道。