Estrutura Híbrida Humano-Máquina Chave para Inteligência Artificial Mais Inteligente

Pesquisadores da Universidade da Califórnia – Irvine criaram uma estrutura híbrida humano-máquina que, segundo eles, é fundamental para construir sistemas de inteligência artificial (IA) mais inteligentes. O estudo envolveu um novo modelo matemático que pode melhorar o desempenho combinando previsões e pontuações de confiança humanas e algorítmicas.

O estudo foi publicado em Proceedings of the National Academy of Sciences.

Humanos vs. Algoritmos de Máquina

Mark Steyvers é professor de ciências cognitivas da UCI e coautor do artigo.

“Humanos e algoritmos de máquina têm forças e fraquezas complementares. Cada um usa fontes de informação e estratégias diferentes para fazer previsões e decisões”, disse Steyvers. “Mostramos, por meio de demonstrações empíricas e análises teóricas, que humanos podem melhorar as previsões da IA, mesmo quando a precisão humana é um pouco abaixo da da IA — e vice-versa. E essa precisão é maior do que combinar previsões de dois indivíduos ou dois algoritmos de IA.”

Os pesquisadores testaram a estrutura realizando um experimento de classificação de imagens, onde participantes humanos e algoritmos de computador trabalharam separadamente para identificar corretamente imagens distorcidas de animais e objetos do dia a dia. Essas imagens foram então classificadas pelos participantes humanos por sua confiança na precisão de cada identificação de imagem como baixa, média ou alta. Por outro lado, o classificador de máquina gerou uma pontuação contínua.

Realizando Testes

Os resultados dos experimentos demonstraram diferenças significativas nos níveis de confiança entre humanos e IA.

Padhraic Smyth é professor de ciência da computação da UCI e coautor do artigo.

“Em alguns casos, os participantes humanos estavam bastante confiantes de que uma imagem específica continha uma cadeira, por exemplo, enquanto o algoritmo de IA estava confuso sobre a imagem”, disse Smyth. “Da mesma forma, para outras imagens, o algoritmo de IA foi capaz de fornecer confiantemente um rótulo para o objeto mostrado, enquanto os participantes humanos estavam incertos se a imagem distorcida continha algum objeto reconhecível.”

Os pesquisadores usaram sua nova estrutura para combinar as previsões e pontuações de confiança de humanos e IA, e o modelo híbrido alcançou um desempenho melhor do que previsões humanas ou de máquina isoladamente.

“Enquanto pesquisas anteriores demonstraram os benefícios de combinar previsões de máquina ou combinar previsões humanas — a chamada ‘sabedoria das multidões’ — este trabalho abre um novo caminho ao demonstrar o potencial de combinar previsões humanas e de máquina, apontando para novas e melhoradas abordagens de colaboração humano-IA”, continuou Smyth.

O novo projeto responsável por desenvolver essa estrutura foi organizado pela Iniciativa Irvine em IA, Lei e Sociedade, que busca fornecer uma visão mais profunda de como humanos e máquinas colaboram para criar sistemas de IA mais precisos.

A pesquisa também incluiu coautores Heliodoro Tejada e Gavin Kerrigan. Heliodoro é um estudante de pós-graduação em ciências cognitivas da UCI, e Kerrigan é um estudante de doutorado em ciência da computação da UCI.