Требуется обновление браузера.

Экспериментальные исследования прогнозирования случайного выбора человеком


Просмотров: 664
27 апреля 2017 года
А.М. Набатчиков, Е.А. Бурлак. Экспериментальные исследования прогнозирования случайного выбора человеком // Искусственный интеллект: философия, методология, инновации. / Сборник трудов X Всероссийской конференции студентов, аспирантов и молодых учёных. Москва, МИРЭА, 27-28 апреля 2017 г. Под общей редакцией Е.А. Никитиной. – М.: Московский технологический университет (МИРЭА), 2017. – С. 42-48.
Мероприятие: Конференция "Искусственный интеллект: философия, методология, инновации." (ИИ ФМИ X)
УДК: 123:004.942
Ключевые слова: cвобода воли, детерминизм, случайный выбор, генератор случайных чисел, предсказуемость

Сайт конференции
На заметку
Приведённый здесь текст публикации дополнительно содержит комментарии к опубликованному варианту. (Они разворачиваются/сворачиваются при нажатии на значок     [?]
пример пояснения
) Данные пояснения были озвучены во время доклада (или запланированы на случай возникновения вопросов у аудитории).
Попутно исправлены опечатки и восстановлена формула, утраченная при печати сборника.

Аннотация


В настоящей статье рассматривается вопрос возможности предугадывания случайного выбора, совершаемого человеком. Вопрос поднимается в рамках проблемы свободной воли и детерминизма. Авторы приводят результаты экспериментальных исследований, демонстрирующих превосходство примитивных арифметических генераторов случайных чисел над способностью человека к произвольным выборам.

Введение


В своей работе «Может ли машина мыслить?» [1], Алан Тьюринг, рассматривая мнения оппонентов концепции мыслящей машины, опровергает, среди прочего, бытующее мнение о том, что «…машины не могут совершать ошибок…». Важно отметить, что речь идёт не об «ошибках функционирования», а об «ошибках вывода», совершаемых «абстрактными машинами», представляющими собой математические фикции    [?]
Опечатка - функции
. Очевидно, что имитировать ошибку в вычислениях, можно добавив определённые инструкции в алгоритм. О намеренном искажении результатов случайными величинами автор упоминает далее, рассматривая проблему имитации поведения нервной системы с помощью машины с дискретными состояниями.

В обоих случаях, ошибка является таковой лишь в семантическом плане для наблюдателя, в то время как для вычислительной машины нет принципиального отличия между синтаксисом инструкций генерации ошибок и синтаксисом вычисления какого-либо выражения. В связи с вышесказанным, возникает вопрос: может ли детерминированная последовательность команд порождать действительно случайные величины? Ответ на этот вопрос отрицателен [2]. В ряде задач требуется лишь имитировать случайность. Стоит отметить, что в [1] сообщается наличие у некоторых вычислителей команды генерации случайного числа. В [2] упоминается, что Тьюринг был автором метода, использующего резисторный генератор шума.

Так как наличие в природе «чистой» случайности кажется довольно ожидаемым [3], то сосредоточимся на простых арифметических генераторах псевдослучайных чисел (ГПСЧ): для работы, как правило, им нужно только одно начальное значение, на основе которого будет построена вся последовательность. В качестве начального значения часто выбирают время, так как текущее число миллисекунд в секунде или количество минут, прошедших с включения ПЭВМ – для стороннего наблюдателя – величина достаточно случайная. Данные генераторы показали свою предсказуемость [например, 4].

Исходя из сказанного выше, и в связи с увеличивающейся ролью человека в информационных и управляющих процессах [5, 6], видится интересным не столько вопрос о том, является ли данный аспект функционирования вычислительной машины её «ахиллесовой пятой», сколько вопрос: способен ли человек порождать случайную последовательность чисел, не уступающую по «качеству» хотя бы арифметическим методам генерации, ведь способности человека к творчеству «кажутся безграничными» [7]. Так как существует буквально бесконечное число критериев для проверки случайности числовой последовательности [2], конкретизируем: под «качеством» здесь мы будем понимать близость вероятности угадать n-ое число в последовательности (зная все предыдущие) к аналитической вероятности данного события для модели со случайным равномерно распределённым выбором числа из заданного диапазона. Иными словами, генератор, порождающий качественную случайную последовательность, будет обладать информационной энтропией I=log2n бит    [?]
Указанная энтропия лишь иными словами описывает выбранную модель с равномерным распределением. То есть априори мы рассчитываем на худшую ситуацию, в которой появление каждого выбора равновероятно (что, забегая вперёд, апостериори необязательно). Но, в формулировке подчёркивается и наличие информации о предыдущих выборах, которое (как показано далее в статье) так же не увеличивает вероятность предсказания. Данное утверждение, иными словами, можно выразить как: автокорреляционная функция последовательности имеет вид дельта-функции Дирака. Таким образом, в нашей терминологии, чем генератор качественнее, тем "белее" шум он порождает.
.

Описание экспериментов


Эксперимент проводился при помощи специально созданной программы. Испытуемому предлагалось в течение некоторого времени выбирать (при помощи манипулятора «мышь») случайным образом одну из трёх, равных по площади, прямоугольных областей на экране монитора. Проводилось два типа экспериментов: с паузой между выборами и без.

В ходе основного этапа сбора данных, испытуемым предлагалось совершить не менее 300 выборов. Вся необходимая информация фиксировалась в файле для последующего анализа.

Результаты и алгоритм предсказания


Предложенный принцип предсказания базируется на статистических свойствах последовательности выборов. В процессе создания было проверено несколько вариантов алгоритма и оставлен показавший наилучшие результаты, но не демонстрирующий негативные эффекты переобучения. Концептуально, система не использует формальные методы идентификации или обучения, так как авторы хотели получить предельно простой, но, в то же время, максимально ясный, с точки зрения семантики, алгоритм, использующий особенности человеческой интерпретации случайной последовательности.

Столбцы в таблице 1 ниже имеют следующие обозначения:

  • ID – буквенный код испытуемого (Z – арифметический ГПСЧ для сравнения);
  • Len – количество выборов, совершённых испытуемым за сеанс;
  • T_lim – ограничение времени: минимальная пауза между выборами (мс);
  • T_m – медиана времени, затрачиваемого на принятие решения (мс);
  • R – результат прогнозирования: отношение количеств верных прогнозов, составленных алгоритмом, к общему количеству выборов:
    .

Согласно теории вероятностей, шанс угадать загаданное число из 3 возможных равен 0,(3). В случае наличия дополнительной информации о закономерностях появления чисел в последовательности, вероятность угадывания (прогноза) возрастает.

Таблица 1

IDLenT_limT_mR
A33101170.37
A305150015840.36
B30602160.44
B300150017000.44
C33304660.49
C333150017650.51
D44401840.34
D302150017670.67
D306150018660.49
D333150019670.48
Z333150015000.35

Как видно из таблицы, последовательности случайных чисел, создаваемых людьми, проигрывают в своём качестве (в значении, определённом выше) последовательности, порождённой арифметическим ГПСЧ, в котором случайности нет вовсе.

Отметим, что уменьшение медианы времени, затрачиваемого на принятие решения, свидетельствует о выборе без какой-либо концентрации над задачей [8]. Производимый таким образом шум может являться, по-видимому, результатом различных обстоятельств: существенного упрощения интерфейса ввода (в виду дефицита времени) в восприятии испытуемого (например, сужение выбора от «левый-центральный-правый» до «левый-правый») или привнесением зависимости от внешних факторов. Последнее может быть реализовано, например, путём разделения задачи выбора поля на два несвязанных процесса (случайное перемещение мыши с постоянным нажатием на клавишу) – такой метод меняет семантику выбора, добавляя к выбору человека случайные факторы в виде мышечной усталости, неравномерного хода манипулятора, посторонних предметов в рабочей области и т.п.

В любом случае, малое время принятия решения искажает условия эксперимента, делая его результаты существенно зависящими от посторонних факторов и меняя предложенную семантику выбора. Иными словами, меняется роль испытуемого в эксперименте – он становится лишь дополнительным «механическим» фильтром, окружающего его шума. В роли подобного устройства могут выступать иные электронные генераторы, реагирующие на различные шумы среды (акустические, электро-магнитные и т.п. [3]). Таким образом, человек, по сути, исключается из эксперимента.

При анализе подобного шума, качество прогнозирования, зачастую, снижается. В то же время, анализ результатов применения алгоритма к экспериментальным данным, в которых испытуемый был ограничен в частоте выбора вариантов, показывает хорошее прогнозирование поведения человека.

Применение в «камень, ножницы, бумага»


В качестве практического применения алгоритма предсказания, был разработан искусственный интеллект (ИИ) для игры в «камень, ножницы, бумага», основанный на данном алгоритме. Игровой процесс приведен на рисунке 1.

screen.png
Рисунок 1. Игра «Камень, ножницы, бумага».

Испытуемым предлагалось сыграть как можно большее количество партий, придерживаясь (в плане выбора стратегии) своего типичного для этой игры поведения. В интерфейсе игры предусмотрен вывод рекомендации о необходимости увеличить темп принятия решения. Данная рекомендация должна пресекать попытки испытуемого идентифицировать алгоритм ИИ, затрачивая дополнительное время на обдумывание хода. Испытуемым не сообщалась истинная цель эксперимента (программа была размещена в сети Интернет, на форуме разработчиков игр и оформлена как игровой проект): предполагалось, что ИИ совершает ходы случайно.

В ходе испытаний, игроки обнаруживали слабое прогнозирование последовательностей, состоящих из повторяющихся комбинаций (например: «камень-камень-ножницы», «бумага-бумага-ножницы-ножницы-камень-камень»). Данное обстоятельство вызвано неслучайными ходами испытуемых, которые старались (по их заявлениям) подстроиться под ИИ, предназначенный для предугадывания именно случайной последовательности. Количество побед испытуемых над ИИ существенно превышало (≈7:1) количество поражений.

Для устранения эффекта, в ИИ был добавлен альтернативный блок принятия решения, выявляющий повторяющиеся комбинации, и реагирующий на них соответствующим образом (игнорируя при этом результаты работы основного алгоритма прогноза). Испытания данной версии программы показали улучшение распределения побед, поражений и ничьих (приблизилось к равномерному), при этом ≈95÷97% ходов было сделано блоком, реагирующим на комбинации, а не на случайную последовательность. Таким образом, принудить испытуемых вернуться к тактике случайного выбора хода не удалось. Впрочем, нельзя исключать того, что игроки начинали делать случайные выборы, но это приводило к возрастанию поражений и возврату к исходной тактике.

Выводы


Основываясь на полученных результатах, можно утверждать следующее.

  • Даже в такой тривиальной задаче, как выбор случайных чисел, испытуемые проявляли больше предсказуемости, чем простые арифметические алгоритмы    [?]
    Тут необходимо пояснить: что именно скрывается за этим тезисом.
    Во-первых, мы показали, что существуют алгоритмы, позволяющие прогнозировать последовательность чисел, порождаемую не только примитивным (в силу детерминированности) ГПСЧ, но и человеком. Возражение, что для успешного применения того или иного алгоритма прогноза необходимо априори знать тип генератора (то есть – человек ли перед нами), мы считаем неуместным, так как, для алгоритма генерации случайных чисел, непредсказуемость – качество, сравнимое с надёжностью для алгоритма шифрования: согласно принципу Керкгоффса, допускается, что противник может знать всё об используемой системе (алгоритмы), кроме используемых ключей (для ГПСЧ – это начальные значения генератора). Отметим, что разработанный алгоритм практически бессилен к иным ГПСЧ (не человеку), то есть, человек – аналог некоторого арифметического генератора.
    Во-вторых, такая предсказуемость порождаемой человеком последовательности, при таком изобилии внешней информации, могущей выступать в качестве ключей генерации (эмоциональное состояние, предшествующие эксперименту мысли, большое количество аудиовизуальных образов и т.п.), может быть интерпретирована как примитивность используемых человеком алгоритмов.
    . Тем не менее, авторы не ставили перед собой задачу объявить поведение человека полностью прогнозируемым.
  • Ограничение времени на принятие решения меняет семантику выбора, вероятно, превращая человека в некоторый фильтр окружающего его шума (в широком смысле). При этом отмечается повышение качества (в смысле, указанном ранее) случайной последовательности.
  • В присутствии некоей мотивации (влияние выбора на исход игры), человек уходит от тактики случайного выбора к тактике идентификации алгоритма, реагирующего на его выбор (что, в общем случае, не противоречит указанию «выбирать варианты случайно»). В связи с этим не удаётся использовать алгоритм прогнозирования, например, для игр, в которых выбор игрока сразу влияет на результат.

Благодарности


Авторы выражают признательность Меньшикову А. Н., за поднятую в рамках конференции ИИФМИ IX проблему свободы воли и детерминизма [9].

Авторы благодарны волонтёрам, принявшим участие в экспериментах в роли испытуемых: Andvrok, Randomize, Arton, Беляеву Андрею Алексеевичу, Маслову Дмитрию Александровичу.

Работа выполнена при поддержке РФФИ, проект № 15-08-06767

Литература


Файлы к скачиванию:

Комментарии

Инкогнито
  Загружаем captcha