« Être capable de modéliser le comportement humain est une étape importante vers la création d’un agent IA qui peut réellement aider l’humain », expliquent le chercheur Athul Paul Jacob et son équipe dans un communiqué. Ils ont mis au point une nouvelle méthode permettant de modéliser, par le biais de l’IA, le processus décisionnel d’un humain. Autrement dit, un système capable de simuler le raisonnement parfois irrationnel de l’humain afin de mieux correspondre à ses attentes.
Les humains, lorsqu’ils cherchent à atteindre un objectif ou à résoudre un problème, ne choisissent pas toujours la meilleure option. Leurs décisions peuvent être influencées par divers facteurs, tels que la pression temporelle, les limites de leurs connaissances ou encore la fatigue. Cette complexité rend la modélisation du comportement humain particulièrement difficile, alors que cela pourrait être une clé pour améliorer l’interaction entre les systèmes d’IA et les utilisateurs.
Des chercheurs du MIT et de l’Université de Washington ont ainsi élaboré une méthode permettant de simuler fidèlement ces comportements. Leur système, basé sur l’IA, peut prédire les actions futures des individus dans diverses situations et se révèle également utile pour modéliser les comportements de machines, comme les robots et autres systèmes d’IA.
Tenir compte de «l’imprévisibilité» humaine
La méthode développée par les chercheurs repose sur l’idée que le temps de planification et la profondeur de réflexion sont des indicateurs clés du comportement humain. Ils ont alors créé un algorithme qui simule une série de décisions pour un problème donné et ont comparé ces décisions à celles prises par des humains, afin d’identifier à quel moment ces derniers cessent de «planifier» pour laisser place à une part «d’irrationnel» et d’imprévisibilité. Cela leur a permis de modéliser une partie du processus décisionnel humain.
Les chercheurs appellent le résultat de cette modélisation le « budget d’inférence », qui estime la capacité d’un individu à traiter les informations avant de prendre une décision. À partir de ce budget d’inférence, le modèle peut prédire le comportement futur d’une personne face à un problème. « Pour moi, la chose la plus frappante a été le fait que ce budget d’inférence est très interprétable », explique l’un des chercheurs dans un communiqué pour illustrer l’efficacité du système qu’ils ont conçu.
Cela permet aux scientifiques de mieux programmer les systèmes d’IA, en les dotant d’une meilleure compréhension des processus de « pensée » dans divers contextes. Par exemple, un assistant IA, en comprenant les raisons liées aux décisions d’un utilisateur, peut offrir un soutien mieux adapté et anticiper ses besoins futurs.
Des résultats prometteurs
Pour évaluer l’efficacité de leur méthode de modélisation, les chercheurs ont testé le système dans trois contextes différents. La première expérimentation impliquait l’observation d’individus naviguant dans un labyrinthe pour comprendre comment ils avançaient.
La deuxième expérimentation consistait à analyser les communications entre deux personnes engagées dans un jeu. Dans ce jeu, un participant devait décrire une couleur en utilisant uniquement des indices verbaux, tandis que l’autre devait deviner la couleur décrite. La troisième et dernière expérimentation mettait le système à l’épreuve pour analyser les performances et les stratégies de joueurs d’échecs.
Les résultats de l’ensemble de ces essais sont prometteurs : le système est parvenu à déduire les objectifs de navigation dans le labyrinthe à partir des parcours antérieurs, comprendre les intentions communicatives à partir des échanges verbaux et à prédire les prochains coups au cours d’une partie d’échecs.