Ученые МГППУ представили новый подход к созданию систем психологической диагностики. Разработка представляет собой инструменты искусственного интеллекта, которые оценивают компоненты деятельности испытуемых при выполнении специализированных заданий. В рамках этого подхода предложены математические модели и методы, позволяющие разрабатывать и программно реализовывать средства адаптивной диагностики.
В одной из последних разработок применяется новый подход, основанный на свертке марковских процессов в квантовые представления. Этот метод включает использование запутывания через измерения, оценку соответствия между системой кубитов и наблюдениями, а также специализированную спектральную метрику для сравнения траекторий обхода кластеров состояний.
«Одним из преимуществ нового подхода является представление процесса психологической диагностики с помощью небольшого числа кубитов, которое значительно меньше количества состояний марковского процесса, описывающего процесс выполнения тестовых заданий», – рассказывает профессор Лев Куравский, декан факультета «Информационные технологии» МГППУ. При этом для формирования решения используется только та информация, которая значима для диагностики.
Преобразование марковских моделей в квантовые представления позволяет выявить структуру исследуемых процессов с помощью квантового спектрального анализа. Этот анализ позволяет исследовать внутреннюю структуру случайного процесса в частотной области, подобно анализу функций с помощью преобразования Фурье. Полученные результаты могут быть использованы для более глубокого понимания поведения квантовой системы. Опыт показывает, что такой подход значительно увеличивает количество полезной и значимой информации о поведении системы по сравнению с классическими марковскими процессами.
Квантовая фильтрация – новый метод повышения эффективности распознавания типов испытуемых, который значительно превосходит классические подходы, такие как байесовские и оценки правдоподобия. Этот метод использует дополнительную скрытую информацию, которая выявляется с помощью квантового спектрального анализа, и компенсирует разнонаправленные сдвиги точек в пространстве шкалирования при анализе статистик Уилкса.
Особенно полезен квантовый подход в случае ограниченного объема эмпирических данных, которые используются для настройки диагностического инструментария, известных как “малые выборки”. В сравнении с оценками правдоподобия, байесовскими оценками и даже простыми оценками, полученными с помощью нейронных сетей, квантовые оценки демонстрируют значительные преимущества. Они строятся на основе представлений диагностических процедур в форме марковских процессов, что делает их особенно эффективными и надежными в применении. Более подробно о подходе – в журнале «Экспериментальная психология».