Djupa neuronnät som modeller för rationellt beteende

Abstract

Människan har länge funderat på att använda artificiell intelligens (AI) för att imitera människans neuronnätverk, och människans grundbeteenden. Detta kandidatarbete är en litteraturstudie om användningen av djupa neuronnät för att imitera människans rationella beteende, samt forska kring möjliga kopplingar mellan rationellt beteende och neuronnät.

Arbetet utförs som en litteraturstudie. I den första delen förklaras bakgrunden av djupa neuronnät, förstärkningsinlärning och rationalitet. I den andra delen förklaras samband mellan de tidigare koncepten, motsättningar som försvårar skapandet av människorationalitetsmodeller och de etiska implikationerna av att skapa en AI-modell av människans rationalitet.

Överlag visade arbetet att det i dagens läge redan är möjligt att imitera vissa aspekter av människans rationella beteende med hjälp av djupa förstärkningsinlärningssystem, men att det är svårt på grund av tiden och datamängden som krävs. Därför rekommenderas det att man vidare utvecklar modellerna för att kunna träna dem snabbare och för att kräva mindre data, samt försöker göra det lättare att samla in användbar data för detta syfte. Det rekommenderas också etisk lagstiftning samt etiskt tränande av utvecklarna av dessa program för att det inte skall leda till problem i framtiden.