더 스마트한 AI의 핵심인 하이브리드 인간-기계 프레임워크

University of California – Irvine의 연구원들은 더 스마트한 인공 지능(AI) 시스템을 구축하는 데 핵심이라고 말하는 하이브리드 인간-기계 프레임워크를 만들었습니다. 이 연구에는 인간 및 알고리즘 예측과 신뢰도 점수를 결합하여 성능을 향상시킬 수 있는 새로운 수학적 모델이 포함되었습니다. 

이 연구는 년에 출판되었다 과학 국립 아카데미의 절차. 

인간 대 기계 알고리즘

Mark Steyvers는 UCI 인지 과학 교수이자 논문의 공동 저자입니다.

“인간과 기계 알고리즘에는 보완적인 강점과 약점이 있습니다. 각각은 서로 다른 정보 소스와 전략을 사용하여 예측과 결정을 내립니다.”라고 Steyvers는 말했습니다. “우리는 이론적 분석뿐만 아니라 실증적 시연을 통해 인간의 정확도가 AI보다 다소 낮더라도 인간이 AI의 예측을 개선할 수 있음을 보여줍니다. 그 반대의 경우도 마찬가지입니다. 그리고 이 정확도는 두 명의 개인이나 두 개의 AI 알고리즘의 예측을 결합하는 것보다 더 높습니다.” 

연구자들은 동물과 일상용품의 왜곡된 사진을 정확하게 식별하기 위해 인간 참가자와 컴퓨터 알고리즘이 별도로 작동하는 이미지 분류 실험을 수행하여 프레임워크를 테스트했습니다. 그런 다음 참가자는 각 이미지 식별의 정확도에 대한 신뢰도에 따라 낮음, 중간 또는 높음으로 순위를 매겼습니다. 반면 기계 분류기는 연속 점수를 생성했습니다. 

테스트 수행

실험 결과는 인간과 AI 사이의 신뢰 수준에 상당한 차이가 있음을 보여주었습니다.

Padhraic Smyth는 UCI 총장 컴퓨터 과학 교수이자 이 논문의 공동 저자입니다. 

Smyth는 "경우에 따라 인간 참가자는 특정 사진에 의자가 포함되어 있다고 확신했지만 AI 알고리즘은 이미지에 대해 혼란스러워했습니다."라고 말했습니다. "마찬가지로 다른 이미지의 경우 AI 알고리즘은 표시된 개체에 대한 레이블을 자신 있게 제공할 수 있었지만 인간 참가자는 왜곡된 사진에 인식할 수 있는 개체가 포함되어 있는지 확신하지 못했습니다." 

연구자들은 새로운 프레임워크를 사용하여 인간과 AI 모두의 예측과 신뢰 점수를 결합했으며 하이브리드 모델은 인간 또는 기계 예측 단독보다 더 나은 성능을 달성했습니다. 

“과거 연구에서 기계 예측을 결합하거나 사람의 예측을 결합하는 이점(소위 '군중의 지혜')을 입증한 반면, 이 작업은 인간과 기계 예측을 결합할 수 있는 가능성을 보여주는 새로운 방향을 제시합니다. 인간-AI ​​협업에 대한 접근 방식입니다.”라고 Smyth는 계속 말했습니다. 

이 프레임워크 개발을 담당하는 새로운 프로젝트는 인간과 기계가 협력하여 보다 정확한 AI 시스템을 만드는 방법에 대한 더 깊은 통찰력을 제공하고자 하는 AI, 법률 및 사회의 Irvine Initiative에서 조직했습니다. 

이 연구에는 공동 저자 Heliodoro Tejada와 Gavin Kerrigan도 포함되었습니다. Heliodoro는 UCI 인지과학 대학원생이고 Kerrigan은 UCI 박사입니다. 컴퓨터 과학 학생.