研究人员创建了一种名为 RTNet 的新神经网络，该网络能够像人类一样做出决策。这一突破是由科学家 Farshad Rafiei、Medha Shekhar 和 Dobromir Rahnev 完成的，并且发表在《自然人类行为》上。

RTNet 与其他神经网络不同，因为它能够以模仿人类思维和决策的方式做出决策。与那些每次做出相同决策的模型不同，RTNet 能够变化其决策，类似于人类的决策方式。这使其成为理解人类行为的更佳模型。

为了测试 RTNet，研究人员使用了手写数字的图像。他们从 60 名志愿者那里收集了数据，这些志愿者需要识别这些数字并对他们的答案的信心进行评分。然后，RTNet 用相同的图像进行了测试。令人惊讶的是，RTNet 的响应在准确性、反应时间和信心方面与人类的表现相匹配。

RTNet 使用一种称为贝叶斯神经网络的方法，该方法基于概率做出决策。它还像人类一样在做出决策之前积累证据。这意味着 RTNet 并不总是做出相同的决策，而是根据证据的变化而变化，使其更接近人类。

RTNet 的一个重要特征是“速度-准确性权衡”。这意味着如果需要快速做出决策，它的准确性可能会降低，就像人类一样。研究人员发现，RTNet 的表现优于其他模型，尤其是在必须迅速做出决策时。

这种新的神经网络是使机器能够像人类一样思考和决策的一大进步。研究人员希望在更具多样性的数据集上训练 RTNet，并在未来将其方法应用于其他神经网络。这可能有助于机器不仅模仿人类的决策过程，还有助于作出我们每天面临的一些决策。