Hybrid-Human-Maschinen-Framework ist der Schlüssel zu intelligenterer KI

Forscher an der University of California – Irvine haben ein Hybrid-Human-Maschinen-Framework entwickelt, das sie als Schlüssel zum Aufbau intelligenterer künstlicher Intelligenz (KI)-Systeme bezeichnen. Die Studie umfasste ein neues mathematisches Modell, das die Leistung durch Kombination von menschlichen und algorithmischen Vorhersagen und Vertrauenswerten verbessern kann.

Die Studie wurde in Proceedings of the National Academy of Sciences veröffentlicht.

Menschen vs. Maschinen-Algorithmen

Mark Steyvers ist Professor für Kognitionsforschung an der UCI und Co-Autor des Papiers.

„Menschen und Maschinen-Algorithmen haben komplementäre Stärken und Schwächen. Jeder verwendet unterschiedliche Informationsquellen und Strategien, um Vorhersagen und Entscheidungen zu treffen“, sagte Steyvers. „Wir zeigen durch empirische Demonstrationen sowie theoretische Analysen, dass Menschen die Vorhersagen von KI sogar dann verbessern können, wenn die menschliche Genauigkeit etwas unter der von KI liegt – und umgekehrt. Und diese Genauigkeit ist höher als die Kombination von Vorhersagen aus zwei Individuen oder zwei KI-Algorithmen.“

Die Forscher testeten das Framework, indem sie ein Bildklassifizierungs-Experiment durchführten, bei dem menschliche Teilnehmer und Computer-Algorithmen getrennt arbeiteten, um verzerrte Bilder von Tieren und Alltagsgegenständen richtig zu identifizieren. Diese wurden dann von den menschlichen Teilnehmern nach ihrer Zuversicht in die Genauigkeit jeder Bildidentifizierung als niedrig, mittel oder hoch eingestuft. Andererseits generierte der Maschinen-Klassifizierer einen kontinuierlichen Score.

Durchführung von Tests

Die Ergebnisse der Experimente zeigten signifikante Unterschiede in den Vertrauensniveaus zwischen Menschen und KI.

Padhraic Smyth ist Chancellor-Professor für Informatik an der UCI und Co-Autor des Papiers.

„In einigen Fällen waren die menschlichen Teilnehmer sehr zuversichtlich, dass ein bestimmtes Bild einen Stuhl enthielt, zum Beispiel, während der KI-Algorithmus sich über das Bild im Klaren war“, sagte Smyth. „Ebenso konnte der KI-Algorithmus in anderen Fällen zuversichtlich eine Bezeichnung für das gezeigte Objekt liefern, während die menschlichen Teilnehmer unsicher waren, ob das verzerrte Bild ein erkennbares Objekt enthielt.“

Die Forscher verwendeten ihr neues Framework, um die Vorhersagen und Vertrauenswerte von Menschen und KI zu kombinieren, und das Hybrid-Modell erreichte eine bessere Leistung als menschliche oder maschinelle Vorhersagen allein.

„Während frühere Forschungen die Vorteile der Kombination von Maschinen-Vorhersagen oder der Kombination von menschlichen Vorhersagen – die sogenannte ,Weisheit der Menge‘ – gezeigt haben, zeigt diese Arbeit eine neue Richtung auf, indem sie das Potenzial der Kombination von menschlichen und maschinellen Vorhersagen demonstriert und auf neue und verbesserte Ansätze für die menschliche KI-Zusammenarbeit hinweist“, fuhr Smyth fort.

Das neue Projekt, das dieses Framework entwickelt hat, wurde von der Irvine-Initiative für KI, Recht und Gesellschaft organisiert, die tieferen Einblicken in die Zusammenarbeit zwischen Menschen und Maschinen liefern möchte, um genauere KI-Systeme zu schaffen.

Die Forschung umfasste auch Co-Autoren Heliodoro Tejada und Gavin Kerrigan. Heliodoro ist ein UCI-Graduiertenschüler in Kognitionsforschung, und Kerrigan ist ein UCI-Doktorand in Informatik.