Ce este Human-in-the-loop (HITL)?

Unul dintre termenii pe care îi puteți întâlni atunci când lucrați cu inteligența artificială (AI) și învățarea automată (ML) este human-in-the-loop (HITL). Este exact cum sună. HITL este o ramură a inteligenței artificiale care se bazează atât pe inteligența umană, cât și pe cea a mașinilor în crearea modelelor de învățare automată.

O abordare human-in-the-loop înseamnă că oamenii sunt implicați în ciclul algoritmic de antrenare, reglare și testare.

Oamenii etichetează mai întâi datele, ceea ce ajută modelul să obțină date de antrenare de înaltă calitate și cantitate. Un algoritm de învățare automată învață apoi să ia decizii pe baza datelor, înainte ca oamenii să înceapă să regleze modelul.

Modelul poate fi apoi testat și validat de oameni prin evaluarea ieșirilor sale. Acest proces este deosebit de util în cazurile în care algoritmul nu este sigur de o judecată sau, pe de altă parte, în care algoritmul este prea sigur de o decizie greșită.

Procesul HITL este un buclă de feedback continuă, ceea ce înseamnă că fiecare dintre sarcinile de antrenare, reglare și testare sunt reintroduse în algoritm. Acest proces permite algoritmului să devină mai eficient și precis în timp, ceea ce este deosebit de util pentru crearea unor cantități mari de date de antrenare precise pentru cazuri de utilizare specifice. Intuiția umană ajută la reglarea și testarea modelului, astfel încât organizația să poată obține decizii precise și cu efecte practice.

Imagine: Stanford University

Importanța învățării automate HITL

HITL este o ramură extrem de importantă a inteligenței artificiale, deoarece modelele convenționale de învățare automată necesită un număr mare de puncte de date etichetate pentru a obține previziuni precise. Când lipsește datele, modelele de învățare automată nu sunt la fel de utile.

Luați, de exemplu, învățarea limbilor. Dacă aveți o limbă vorbită doar de câteva mii de oameni și doriți să obțineți informații despre acea limbă prin învățarea automată, ar putea fi dificil să găsiți suficiente exemple pentru ca modelul să învețe. Cu o abordare HITL, puteți asigura acuratețea acestor seturi de date.

Industria sănătății este, de asemenea, una dintre cele mai importante pentru sistemele HITL. Un studiu din 2018 realizat de Stanford a arătat că un model HITL funcționează mai bine decât AI sau oamenii lucrează singuri.

Sistemele HITL îmbunătățesc acuratețea, menținând, în același timp, standardele umane, ceea ce este important pentru multe industrii de pe glob.

Când să utilizați sisteme HITL

Există câteva momente specifice în ciclul de viață al inteligenței artificiale când ar trebui să se utilizeze învățarea automată human-in-the-loop:

• Antrenare: Cel mai frecvent loc în care oamenii de știință utilizează HITL este în fazele de antrenare, unde oamenii furnizează date etichetate pentru antrenarea modelului.

• Reglare și testare: Alt moment în care se utilizează HITL este în fazele de reglare și testare. Oamenii reglează modelele pentru o acuratețe mai mare, ceea ce este deosebit de important atunci când modelul nu este sigur.

Este important de remarcat că abordarea HITL nu este potrivită pentru fiecare proiect de învățare automată. Este utilizată, în general, atunci când nu există suficiente date disponibile.

Învățarea automată human-in-the-loop este utilizată atunci când oamenii și procesele de învățare automată interacționează în anumite scenarii, cum ar fi: algoritmii nu înțeleg intrarea; datele de intrare sunt interpretate greșit; algoritmii nu știu cum să efectueze o anumită sarcină; modelul de învățare automată are nevoie de o acuratețe mai mare; componenta umană are nevoie de o eficiență și acuratețe mai mare; costul erorilor este prea mare în dezvoltarea ML; și datele dorite nu sunt disponibile.

Tipuri de etichetare a datelor pentru HITL

Abordarea HITL poate fi utilizată pentru diverse tipuri de etichetare a datelor, în funcție de tipul de seturi de date necesare. De exemplu, dacă mașina trebuie să învețe să recunoască forme specifice, se utilizează cutii delimitatoare. Dar dacă modelul trebuie să clasifice fiecare parte a unei imagini, se preferă segmentarea. Când vine vorba de seturi de date de recunoaștere facială, se utilizează adesea marcaje faciale.

O altă aplicație majoră este analiza textului, care permite mașinii să înțeleagă ce spun sau scriu oamenii. Deoarece oamenii utilizează cuvinte diferite pentru a exprima același lucru, sistemele AI trebuie să cunoască variațiile diferite. Luând lucrurile mai departe, analiza sentimentului poate recunoaște tonul unui anumit cuvânt sau frază. Aceste exemple demonstrează de ce este atât de important să se utilizeze abordarea human-in-the-loop.

De ce compania dumneavoastră ar trebui să implementeze HITL

Dacă compania dumneavoastră dorește să instaleze un sistem HITL, una dintre cele mai comune modalități de a face acest lucru este prin utilizarea software-ului de automatizare. Există mult software de automatizare care este deja construit în jurul abordării HITL, ceea ce înseamnă că procesul este deja integrat.

Sistemele de acest tip permit companiei să obțină performanțe de nivel înalt de la început și să obțină informații. Sistemele de învățare automată sunt deja implementate în majoritatea industriilor, ceea ce înseamnă că dezvoltatorii trebuie să se asigure că sistemele funcționează bine cu datele în schimbare.

Există multe avantaje în implementarea unui sistem HITL în compania dumneavoastră:

• Îmbunătățește procesul de luare a deciziilor: Un sistem HITL îmbunătățește procesul de luare a deciziilor al unei companii, oferind transparență și coerență. De asemenea, protejează împotriva prejudecăților prin includerea feedback-ului uman în procesul de antrenare.

• Mai eficient: Sistemele HITL sunt considerate, în general, mai eficiente decât sistemele tradiționale de învățare automată. Acestea necesită mai puțin timp pentru antrenare și reglare, ceea ce înseamnă că produc informații mai repede.

• Transparență: Sistemele human-in-the-loop oferă o transparență mai mare în modelul de învățare automată, modul în care funcționează și de ce a ajuns la o anumită decizie. Explicabilitatea și răspunderea sunt fundamentale pentru sistemele actuale de inteligență artificială, iar abordarea HITL ajută foarte mult.

Provocările sistemelor HITL

Sistemele human-in-the-loop prezintă, de asemenea, unele provocări specifice care ar trebui abordate. În primul rând, oamenii fac greșeli, astfel încât orice sistem care implică oameni riscă să fie incorect. Acest lucru poate avea un impact semnificativ asupra eficacității sistemului. De exemplu, dacă un om face o greșeală la etichetarea datelor, aceeași greșeală se va propaga în întregul sistem și poate cauza probleme viitoare.

Sistemele HITL pot fi, de asemenea, lente, deoarece oamenii sunt implicați în procesul de luare a deciziilor. Unul dintre motivele principale din spatele creșterii inteligenței artificiale și a învățării automate este acela că mașinile sunt incredibil de rapide în comparație cu oamenii, dar această viteză nu se va traduce întotdeauna în sisteme HITL.

O altă provocare a sistemelor HITL este că pot fi scumpe de construit și de întreținut. Pe lângă costurile asociate mașinii, compania trebuie să aloce buget și pentru munca umană.