하이브리드 인간-기계 프레임워크, 더智能한 AI의 핵심

캘리포니아 대학교 어바인(UC Irvine)의 연구진은 더智能한 인공지능(AI) 시스템을 구축하는 데 핵심이 되는 하이브리드 인간-기계 프레임워크를 개발했다. 이 연구는 인간과 알고리즘 예측 및 신뢰도 점수를 결합하여 성능을 향상시키는 새로운 수학적 모델을 포함했다.

이 연구는 미국 국립 과학 아카데미 간행물(Proceedings of the National Academy of Sciences)에 발표되었다.

인간 대 기계 알고리즘

마크 스테이버스(Mark Steyvers)는 어바인 대학교 인지과학 교수이자 공동 연구자이다.

“인간과 기계 알고리즘은 상보적인 강점과 약점을 가지고 있다. 각기 다른 정보源과 전략을 사용하여 예측과 결정을 내린다”라고 스테이버스는 말했다. “우리는 경험적 시연과 이론적 분석을 통해 인간이 AI의 예측을 개선할 수 있음을 보여주었다. 즉, 인간의 정확도가 AI보다 약간 낮더라도, 그리고 그 반대의 경우에도 말이다. 그리고 이 정확도는 두 개인이나 두 개의 AI 알고리즘의 예측을 결합한 것보다 높다.”

연구진은 인간 참여자와 컴퓨터 알고리즘이 각각 동물과 일상 물건의 왜곡된 사진을 올바르게 식별하기 위해 별도로 작업하는 이미지 분류 실험을 통해 이 프레임워크를 테스트했다. 이러한 사진은 인간 참여자에 의해 각 이미지 식별의 정확도에 대한 자신감 수준으로 낮음, 중간, 높음으로 평가되었다. 반면에 기계 분류기는 연속적인 점수를 생성했다.

테스트 수행

실험의 결과는 인간과 AI 사이에 신뢰도 수준에서 상당한 차이를 보여주었다.

패드라익 스미스(Padhraic Smyth)는 어바인 대학교 컴퓨터 과학 교수이자 공동 연구자이다.

“일부 경우에 인간 참여자는 특정 사진에 의자가 포함되어 있다고 매우 확신했지만, AI 알고리즘은 이미지에 대해 혼란스러웠다”라고 스미스는 말했다. “마찬가지로, 다른 이미지에 대해서는 AI 알고리즘이 객체를 표시한 레이블을 확신할 수 있었지만, 인간 참여자는 왜곡된 사진에 인식할 수 있는 객체가 포함되어 있는지 불확실했다.”

연구진은 새로운 프레임워크를 사용하여 인간과 AI의 예측 및 신뢰도 점수를 결합했으며, 하이브리드 모델은 인간이나 기계 예측만으로는 달성할 수 없는 더好的 성능을 달성했다.

“과거 연구에서는 기계 예측을 결합하거나 인간 예측을 결합하는 것의 이점을 보여주었지만, 이 연구는 인간과 기계 예측을 결합하는 潜在性을 보여주는 새로운 방향을 개척했다”라고 스미스는 계속했다. “이것은 인간-AI 협력에 대한 새로운 접근 방식을 가리킨다.”

이 새로운 프로젝트는 어바인 이니셔티브 인공지능, 법률, 사회(Irvine Initiative in AI, Law, and Society)에서 조직되었으며, 인간과 기계가 더 정확한 AI 시스템을 생성하기 위해 어떻게 협력하는지에 대한 더 깊은 통찰력을 제공하기를 목표로 한다.

이 연구에는 또한 공동 연구자 헬리오도르 테하다(Heliodoro Tejada)와 개빈 케리건(Gavin Kerrigan)이 참여했다. 헬리오도르는 어바인 대학교 인지과학 대학원생이며, 케리건은 어바인 대학교 컴퓨터 과학 박사 과정 학생이다.