Framework ibrido umano-macchina chiave per un’intelligenza artificiale più intelligente

I ricercatori dell’Università della California – Irvine hanno creato un framework ibrido umano-macchina che affermano essere fondamentale per la costruzione di sistemi di intelligenza artificiale (AI) più intelligenti. Lo studio ha coinvolto un nuovo modello matematico che può migliorare le prestazioni combinando previsioni e punteggi di confidenza umane e algoritmiche.

Lo studio è stato pubblicato in Proceedings of the National Academy of Sciences.

Umani vs. Algoritmi macchina

Mark Steyvers è professore di scienze cognitive alla UCI e coautore del documento.

“Gli esseri umani e gli algoritmi macchina hanno punti di forza e di debolezza complementari. Ognuno utilizza fonti di informazione e strategie diverse per effettuare previsioni e decisioni”, ha detto Steyvers. “Mostriamo attraverso dimostrazioni empiriche e analisi teoriche che gli esseri umani possono migliorare le previsioni dell’AI anche quando l’accuratezza umana è leggermente inferiore a quella dell’AI – e viceversa. E questa accuratezza è superiore a quella ottenuta combinando le previsioni di due individui o due algoritmi AI.”

I ricercatori hanno testato il framework conducendo un esperimento di classificazione di immagini in cui partecipanti umani e algoritmi computerizzati hanno lavorato separatamente per identificare correttamente immagini distorte di animali e oggetti quotidiani. Queste sono state quindi classificate dai partecipanti umani in base alla loro confidenza nell’accuratezza di ogni identificazione di immagine come bassa, media o alta. D’altra parte, il classificatore macchina ha generato un punteggio continuo.

Esecuzione dei test

I risultati degli esperimenti hanno dimostrato differenze significative nei livelli di confidenza tra esseri umani e AI.

Padhraic Smyth è professore di scienze informatiche alla UCI e coautore del documento.

“In alcuni casi, i partecipanti umani erano molto confidenti che una particolare immagine contenesse una sedia, ad esempio, mentre l’algoritmo AI era confuso sull’immagine”, ha detto Smyth. “Allo stesso modo, per altre immagini, l’algoritmo AI è stato in grado di fornire con fiducia un’etichetta per l’oggetto mostrato, mentre i partecipanti umani non erano sicuri se l’immagine distorta contenesse un oggetto riconoscibile.”

I ricercatori hanno utilizzato il loro nuovo framework per combinare le previsioni e i punteggi di confidenza di esseri umani e AI, e il modello ibrido ha raggiunto prestazioni migliori rispetto alle previsioni umane o macchina singole.

“Mentre la ricerca precedente ha dimostrato i vantaggi della combinazione di previsioni macchina o della combinazione di previsioni umane – la cosiddetta ‘saggezza della folla’ – questo lavoro apre una nuova direzione nella dimostrazione del potenziale della combinazione di previsioni umane e macchina, puntando a nuovi e migliorati approcci alla collaborazione umano-AI”, ha continuato Smyth.

Il nuovo progetto responsabile dello sviluppo di questo framework è stato organizzato dall’Irvine Initiative in AI, Law, and Society, che mira a fornire una più profonda comprensione di come gli esseri umani e le macchine collaborano per creare sistemi di intelligenza artificiale più accurati.

La ricerca ha anche incluso come coautori Heliodoro Tejada e Gavin Kerrigan. Heliodoro è uno studente di dottorato in scienze cognitive alla UCI, e Kerrigan è uno studente di dottorato in informatica alla UCI.