Marco híbrido de humano-máquina clave para una inteligencia artificial más inteligente

Los investigadores de la Universidad de California, Irvine, han creado un marco híbrido de humano-máquina que, según ellos, es clave para construir sistemas de inteligencia artificial (IA) más inteligentes. El estudio involucró un nuevo modelo matemático que puede mejorar el rendimiento combinando las predicciones y puntuaciones de confianza humanas y algorítmicas.

El estudio se publicó en Proceedings of la Academia Nacional de Ciencias.

Humanos vs. Algoritmos de máquina

Mark Steyvers es profesor de ciencias cognitivas de la UCI y coautor del documento.

“Los humanos y los algoritmos de máquina tienen fortalezas y debilidades complementarias. Cada uno utiliza diferentes fuentes de información y estrategias para hacer predicciones y decisiones”, dijo Steyvers. “Mostramos a través de demostraciones empíricas y análisis teóricos que los humanos pueden mejorar las predicciones de la IA incluso cuando la precisión humana es algo inferior a la de la IA, y viceversa. Y esta precisión es mayor que la de combinar predicciones de dos individuos o dos algoritmos de IA”.

Los investigadores probaron el marco realizando un experimento de clasificación de imágenes en el que los participantes humanos y los algoritmos informáticos trabajaron por separado para identificar correctamente imágenes distorsionadas de animales y objetos cotidianos. Estas imágenes se clasificaron luego por los participantes humanos según su confianza en la precisión de cada identificación de imagen como baja, media o alta. Por otro lado, el clasificador de máquina generó una puntuación continua.

Realizando pruebas

Los resultados de los experimentos demostraron diferencias significativas en los niveles de confianza entre humanos y IA.

Padhraic Smyth es profesor de ciencias de la computación de la UCI y coautor del documento.

“En algunos casos, los participantes humanos estaban bastante seguros de que una imagen en particular contenía una silla, por ejemplo, mientras que el algoritmo de IA estaba confundido sobre la imagen”, dijo Smyth. “De manera similar, para otras imágenes, el algoritmo de IA podía proporcionar con confianza una etiqueta para el objeto mostrado, mientras que los participantes humanos no estaban seguros de si la imagen distorsionada contenía algún objeto reconocible”.

Los investigadores utilizaron su nuevo marco para combinar las predicciones y puntuaciones de confianza de los humanos y la IA, y el modelo híbrido logró un mejor rendimiento que las predicciones humanas o de máquina por separado.

“Mientras que la investigación pasada ha demostrado los beneficios de combinar predicciones de máquina o combinar predicciones humanas, la llamada ‘sabiduría de las multitudes’, este trabajo forja una nueva dirección al demostrar el potencial de combinar predicciones humanas y de máquina, apuntando a nuevos y mejores enfoques para la colaboración humano-IA”, continuó Smyth.

El nuevo proyecto responsable de desarrollar este marco fue organizado por la Iniciativa de Irvine en IA, Derecho y Sociedad, que busca proporcionar una comprensión más profunda de cómo los humanos y las máquinas colaboran para crear sistemas de IA más precisos.

La investigación también incluyó a los coautores Heliodoro Tejada y Gavin Kerrigan. Heliodoro es un estudiante de posgrado en ciencias cognitivas de la UCI, y Kerrigan es un estudiante de doctorado en ciencias de la computación de la UCI.