Hybrydowa struktura człowiek-maszyna kluczem do inteligentniejszej sztucznej inteligencji

Naukowcy z Uniwersytetu Kalifornijskiego w Irvine stworzyli hybrydową strukturę człowiek-maszyna, która ich zdaniem jest kluczem do budowania inteligentniejszych systemów sztucznej inteligencji (AI). W badaniu wykorzystano nowy model matematyczny, który może poprawić wydajność poprzez połączenie przewidywań ludzkich i algorytmicznych oraz wskaźników ufności. 

Badanie zostało opublikowane w Proceedings of the National Academy of Sciences. 

Algorytmy ludzie kontra maszyny

Mark Steyvers jest profesorem nauk kognitywnych na UCI i współautorem artykułu.

„Algorytmy ludzi i maszyn mają uzupełniające się mocne i słabe strony. Każdy z nich korzysta z różnych źródeł informacji i strategii, aby przewidywać i podejmować decyzje” – powiedział Steyvers. „Poprzez demonstracje empiryczne i analizy teoretyczne pokazujemy, że ludzie mogą ulepszyć przewidywania sztucznej inteligencji, nawet jeśli ludzka dokładność jest nieco niższa od sztucznej inteligencji – i odwrotnie. A ta dokładność jest wyższa niż połączenie przewidywań dwóch osób lub dwóch algorytmów sztucznej inteligencji”. 

Naukowcy przetestowali tę strukturę, przeprowadzając eksperyment klasyfikacji obrazów, w którym uczestnicy i algorytmy komputerowe pracowały oddzielnie, aby poprawnie zidentyfikować zniekształcone zdjęcia zwierząt i przedmiotów codziennego użytku. Zostały one następnie uszeregowane przez uczestników badania na podstawie ich pewności co do dokładności identyfikacji każdego obrazu jako niskie, średnie lub wysokie. Z drugiej strony klasyfikator maszynowy generował wynik ciągły. 

Przeprowadzanie testów

Wyniki eksperymentów wykazały znaczne różnice w poziomach ufności między ludźmi a sztuczną inteligencją.

Padhraic Smyth jest profesorem informatyki na Uniwersytecie UCI i współautorem artykułu. 

„W niektórych przypadkach uczestnicy badania byli całkiem pewni, że na konkretnym zdjęciu znajduje się na przykład krzesło, podczas gdy algorytm sztucznej inteligencji mylił się co do obrazu” – powiedział Smyth. „Podobnie w przypadku innych obrazów algorytm sztucznej inteligencji był w stanie z pewnością zapewnić etykietę pokazanego obiektu, podczas gdy uczestnicy badania nie byli pewni, czy zniekształcony obraz zawiera jakikolwiek rozpoznawalny obiekt”. 

Naukowcy wykorzystali swoje nowe ramy do połączenia przewidywań i wskaźników pewności zarówno ludzi, jak i sztucznej inteligencji, a model hybrydowy osiągnął lepszą wydajność niż przewidywania prowadzone wyłącznie przez ludzi lub maszyny. 

„Chociaż wcześniejsze badania wykazały korzyści płynące z łączenia przewidywań maszynowych lub przewidywań ludzkich – tak zwana „mądrość tłumów” – ta praca wytycza nowy kierunek w wykazywaniu potencjału łączenia przewidywań ludzkich i maszynowych, wskazując nowe i ulepszone podejść do współpracy człowieka i sztucznej inteligencji” – kontynuował Smyth. 

Nowy projekt odpowiedzialny za opracowanie tego frameworka został zorganizowany przez Irvine Initiative in AI, Law, and Society, której celem jest zapewnienie głębszego wglądu w współpracę ludzi i maszyn w celu tworzenia dokładniejszych systemów sztucznej inteligencji. 

W badaniu uczestniczyli także współautorzy Heliodoro Tejada i Gavin Kerrigan. Heliodoro jest absolwentem nauk kognitywnych na UCI, a Kerrigan jest doktorantką UCI. student informatyki.