Hybrid menneske-maskin-rammeverk er nøkkel til smartere kunstig intelligens

Forskere ved University of California – Irvine har utviklet et hybrid menneske-maskin-rammeverk som de sier er nøkkel til å bygge smartere kunstig intelligens (AI)-systemer. Studien involverte en ny matematisk modell som kan forbedre ytelsen ved å kombinere menneskelige og algoritmiske prediksjoner og konfidenspoeng. 

Studien ble publisert i Proceedings of the National Academy of Sciences. 

Mennesker vs. maskinalgoritmer

Mark Steyvers er UCI-professor i kognitiv vitenskap og medforfatter av artikkelen.

“Mennesker og maskinalgoritmer har komplementære styrker og svakheter. Hver bruker forskjellige informasjonskilder og strategier for å gjøre prediksjoner og avgjørelser,” sa Steyvers. “Vi viser gjennom empiriske demonstrasjoner samt teoretiske analyser at mennesker kan forbedre AI-prediksjonene selv når menneskelig nøyaktighet er noe lavere enn AI – og omvendt. Og denne nøyaktigheten er høyere enn å kombinere prediksjoner fra to individer eller to AI-algoritmer.” 

Forskerne testet rammeverket ved å utføre et bildeklassifiserings-eksperiment der menneskelige deltakere og datamaskinalgoritmer arbeidet separat for å korrekt identifisere forvrengte bilder av dyr og hverdagsobjekter. Disse ble deretter rangert av de menneskelige deltakerne etter deres konfidensnivå i nøyaktigheten av hver bildeidentifikasjon som lav, medium eller høy. På den andre siden genererte maskinklassifikatoren en kontinuerlig score. 

Utføring av tester

Resultatene av eksperimentene viste signifikante forskjeller i konfidensnivåer mellom mennesker og AI.

Padhraic Smyth er en UCI-kanslerprofessor i datavitenskap og medforfatter av artikkelen. 

“I noen tilfeller var de menneskelige deltakerne ganske sikre på at et bestemt bilde inneholdt en stol, for eksempel, mens AI-algoritmen var forvirret om bildet,” sa Smyth. “Tilsvarende, for andre bilder, var AI-algoritmen i stand til å trygt gi en etikett for objektet som vistes, mens de menneskelige deltakerne var usikre på om det forvrengte bildet inneholdt noen gjenkjennelig objekt.” 

Forskerne brukte sitt nye rammeverk til å kombinere prediksjoner og konfidenspoeng fra både mennesker og AI, og det hybride modellen oppnådde bedre ytelse enn både menneskelig og maskinprediksjoner alene. 

“ Mens tidligere forskning har vist fordelen av å kombinere maskinprediksjoner eller kombinere menneskelige prediksjoner – den såkalte ‘visdommen i mengden’ – åpner dette arbeidet en ny retning i å demonstrere potensialet for å kombinere menneskelige og maskinprediksjoner, og peker mot nye og forbedrede tilnærminger til menneske-AI-samarbeid,” fortsatte Smyth. 

Det nye prosjektet som utviklet dette rammeverket ble organisert av Irvine-initiativet i AI, lov og samfunn, som søker å gi dypere innsikt i hvordan mennesker og maskiner samarbeider for å skape mer nøyaktige AI-systemer. 

Forskningen inkluderte også medforfattere Heliodoro Tejada og Gavin Kerrigan. Heliodoro er en UCI-gradstudent i kognitiv vitenskap, og Kerrigan er en UCI-ph.d.-student i datavitenskap.