Hybridní rámec lidské-strojové spolupráce je klíčem k inteligentnějším systémům umělé inteligence

Výzkumníci z University of California – Irvine vytvořili hybridní rámec lidské-strojové spolupráce, který podle nich je klíčem k vytváření inteligentnějších systémů umělé inteligence (AI). Studie zahrnovala nový matematický model, který může zlepšit výkon kombinací lidských a algoritmických předpovědí a důvěrných skórů.

Studie byla zveřejněna v Proceedings of the National Academy of Sciences.

Lidé vs. Algoritmické modely

Mark Steyvers je profesor kognitivních věd na UCI a spoluautor článku.

“Lidé a algoritmické modely mají komplementární silné a slabé stránky. Každý používá různé zdroje informací a strategie pro předpovědi a rozhodnutí,” řekl Steyvers. “Prokázali jsme prostřednictvím empirických demonstrací i teoretických analýz, že lidé mohou zlepšit předpovědi AI, i když je lidská přesnost somewhat nižší než AI — a naopak. A tato přesnost je vyšší než kombinace předpovědí od dvou jedinců nebo dvou algoritmických modelů.”

Výzkumníci otestovali rámec provedením experimentu s klasifikací obrázků, kde lidské účastníky a počítačové algoritmy pracovaly samostatně na správné identifikaci zkreslených obrázků zvířat a každodenních předmětů. Tyto byly poté ohodnoceny lidskými účastníky podle jejich důvěry v přesnost každé identifikace obrázku jako nízká, střední nebo vysoká. Na druhé straně generoval strojový klasifikátor nepřetržitý skór.

Provedení testů

Výsledky experimentů prokázaly významné rozdíly v úrovních důvěry mezi lidmi a AI.

Padhraic Smyth je profesor počítačových věd na UCI a spoluautor článku.

“V některých případech byli lidské účastníky quite přesvědčeni, že určitý obrázek obsahuje židli, například, zatímco algoritmický model byl zmatený z obrázku,” řekl Smyth. “Podobně, v jiných případech byl algoritmický model schopen s jistotou poskytnout štítek pro objekt zobrazený, zatímco lidské účastníky nebyli jisti, zda zkreslený obrázek obsahuje rozpoznatelný objekt.”

Výzkumníci použili svůj nový rámec ke kombinaci předpovědí a důvěrných skórů z obou lidských a AI zdrojů, a hybridní model dosáhl lepšího výkonu než samostatné lidské nebo strojové předpovědi.

“Zatímco předchozí výzkum prokázal výhody kombinace strojových předpovědí nebo kombinace lidských předpovědí — takzvaná ‘moudrost davu’ — tato práce otevírá novou cestu v prokázání potenciálu kombinace lidských a strojových předpovědí, ukazující na nové a vylepšené přístupy k lidsko-strojové spolupráci,” pokračoval Smyth.

Nový projekt odpovědný za vývoj tohoto rámce byl organizován iniciativou Irvine Initiative in AI, Law, and Society, která se snaží poskytnout hlubší vhled do toho, jak lidé a stroje spolupracují na vytváření přesnějších systémů AI.

Výzkum také zahrnoval spoluautory Heliodora Tejadu a Gavina Kerrigana. Heliodor je student graduálního programu kognitivních věd na UCI a Kerrigan je student doktorského programu počítačových věd na UCI.