Hybrid Menneske-Maskine Rammeværk Nøgle Til Smartere AI

Forskere ved University of California – Irvine har oprettet et hybrid menneske-maskine rammeværk, som de siger er nøgle til at bygge smartere kunstig intelligens (AI) systemer. Studiet omfattede en ny matematisk model, der kan forbedre performance ved at kombinere menneskelige og algoritmiske forudsigelser og tillidsniveauer.

Studiet blev offentliggjort i Proceedings of the National Academy of Sciences.

Mennesker vs. Maskine Algoritmer

Mark Steyvers er UCI professor i kognitive videnskaber og medforfatter af artiklen.

“Mennesker og maskine algoritmer har komplementære styrker og svagheder. Hver bruger forskellige kilder af information og strategier til at lave forudsigelser og beslutninger,” Steyvers sagde. “Vi viser gennem empiriske demonstrationer såvel som teoretiske analyser, at mennesker kan forbedre forudsigelserne af AI, selv når menneskelig nøjagtighed er lidt lavere end AI’s – og omvendt. Og denne nøjagtighed er højere end at kombinere forudsigelser fra to individer eller to AI-algoritmer.”

Forskerne testede rammeværket ved at udføre et billede klassificerings eksperiment, hvor menneskelige deltagere og computer algoritmer arbejdede separat for at korrekt identificere forvrængede billeder af dyr og hverdagsgenstande. Disse blev derefter rangeret af de menneskelige deltagere efter deres tillid til nøjagtigheden af hver billede identifikation som lav, medium eller høj. På den anden side genererede maskin klassificatoren en kontinuér score.

Udførelse Af Tests

Resultaterne af eksperimenterne viste betydelige forskelle i tillidsniveauer mellem mennesker og AI.

Padhraic Smyth er en UCI Chancellor Professor i datalogi og medforfatter af artiklen.

“I nogle tilfælde var menneskelige deltagere meget sikre på, at et bestemt billede indeholdt en stol, for eksempel, mens AI-algoritmen var forvirret om billedet,” Smyth sagde. “Ligende, for andre billeder, var AI-algoritmen i stand til at give en sikker label for objektet vist, mens menneskelige deltagere var usikre på, om det forvrængede billede indeholdt nogen genkendeligt objekt.”

Forskerne brugte deres nye rammeværk til at kombinere forudsigelserne og tillidsniveauerne fra både mennesker og AI, og det hybrid model opnåede bedre performance end enten menneskelige eller maskine forudsigelser alene.

“ Mens tidligere forskning har vist fordelene ved at kombinere maskine forudsigelser eller kombinere menneskelige forudsigelser – den såkaldte ‘visdom af mængden’ – åbner dette arbejde en ny retning i at demonstrere potentialen for at kombinere menneskelige og maskine forudsigelser, og peger på nye og forbedrede tilgange til menneske-AI samarbejde,” Smyth fortsatte.

Det nye projekt, der er ansvarlig for at udvikle dette rammeværk, blev organiseret af Irvine Initiative in AI, Law, and Society, som søger at give dybere indsigt i, hvordan mennesker og maskiner samarbejder for at skabe mere nøjagtige AI-systemer.

Forskningen omfattede også medforfattere Heliodoro Tejada og Gavin Kerrigan. Heliodoro er en UCI studerende i kognitive videnskaber, og Kerrigan er en UCI Ph.D.-studerende i datalogi.