混合人机框架是实现更智能人工智能的关键

加州大学尔湾分校的研究人员创建了一个混合人机框架，他们认为这是构建更智能的人工智能（AI）系统的关键。该研究涉及一个新的数学模型，可以通过结合人类和算法预测以及置信度评分来提高性能。

该研究发表在 美国国家科学院院刊上。

人类与机器算法

马克·斯泰弗斯是加州大学尔湾分校的认知科学教授，也是论文的共同作者。

“人类和机器算法具有互补的优势和劣势。每个都使用不同的信息来源和策略来进行预测和决策，”斯泰弗斯说。“我们通过实证演示和理论分析表明，即使人类的准确性略低于AI，人类也可以提高AI的预测——反之亦然。而这种准确性高于将两个个体或两个AI算法的预测结合起来。”

研究人员通过进行图像分类实验来测试该框架，在实验中，人类参与者和计算机算法分别工作以正确识别出变形的动物和日常物品的图像。这些图像然后由人类参与者根据他们对每个图像识别的准确性的信心进行排名，分为低、中和高。另一方面，机器分类器生成了一个连续的评分。

进行测试

实验结果表明，人类和AI之间的信心水平存在显著差异。

帕德拉克·斯米斯是加州大学尔湾分校计算机科学的教务长教授，也是论文的共同作者。

“在某些情况下，人类参与者非常自信地认为某张图片包含一把椅子，例如，而AI算法则对图像感到困惑，”斯米斯说。“同样，对于其他图像，AI算法能够自信地为所显示的对象提供标签，而人类参与者则不确定变形的图片是否包含任何可识别的对象。”

研究人员使用他们的新框架来结合人类和AI的预测和置信度评分，混合模型的性能优于仅使用人类或机器预测。

“虽然过去的研究已经证明了结合机器预测或结合人类预测的好处——所谓的‘众智’——但这项工作开辟了一个新的方向，证明了结合人类和机器预测的潜力，指出了人类和AI合作的新方法，”斯米斯继续说。

负责开发该框架的新项目由尔湾人工智能、法律和社会计划组织，该计划旨在提供更深入的见解，了解人类和机器如何合作以创建更准确的AI系统。

该研究还包括共同作者赫利奥多罗·特哈达和加文·克里根。赫利奥多罗是加州大学尔湾分校认知科学的研究生，加文是加州大学尔湾分校计算机科学的博士生。