A kutatók hibrid ember-gép keretrendszert fejlesztenek ki az intelligensebb mesterséges intelligencia felépítéséhez
Az adózási kérdéseket megválaszoló chatbotoktól az autonóm járműveket vezető és orvosi diagnózisokat adó algoritmusokig a mesterséges intelligencia a mindennapi élet számos aspektusában vesz részt. Az irvine-i Kaliforniai Egyetem kutatói szerint az intelligensebb, pontosabb rendszerek létrehozásához hibrid ember-gép megközelítésre van szükség. A Proceedings of the National Academy of Sciences folyóiratban ebben a hónapban megjelent tanulmányban egy új matematikai modellt mutatnak be, amely emberi és algoritmikus előrejelzések és megbízhatósági pontszámok kombinálásával javíthatja a teljesítményt.
„Az emberek és a gépi algoritmusok egymást kiegészítő erősségekkel és gyengeségekkel rendelkeznek. Mindegyikük különböző információforrásokat és stratégiákat használ az előrejelzések és a döntések meghozatalához” – mondta Mark Steyvers társszerző, az UCI kognitív tudományok professzora. „Empirikus demonstrációkkal és elméleti elemzésekkel megmutatjuk, hogy az emberek még akkor is javíthatnak a mesterséges intelligencia előrejelzésén, ha az emberi pontosság valamivel az AI-é alatt van – és fordítva. Ez a pontosság pedig nagyobb, mint két személy vagy két AI algoritmus előrejelzéseinek kombinálása esetén.”
A keretrendszer tesztelésére a kutatók egy képbesorolási kísérletet végeztek, amelyben az emberi résztvevők és a számítógépes algoritmusok külön dolgoztak, hogy helyesen azonosítsák az állatok és a mindennapi tárgyak – székek, palackok, kerékpárok, teherautók – torz képeit.
A humán résztvevők az egyes képazonosítások pontosságába vetett bizalmukat alacsonyra, közepesre vagy magasra értékelték, míg a gépi osztályozó folyamatos pontszámot generált. Az eredmények nagy különbségeket mutattak az emberek és az AI algoritmusok közötti megbízhatóságban a képek között.
„Bizonyos esetekben az emberi résztvevők egészen biztosak voltak abban, hogy egy adott képen például egy szék található, míg az AI algoritmusa összezavarodott a képpel kapcsolatban” – mondta Padhraic Smyth társszerző, az UCI számítástechnikai professzora.
„Hasonlóképpen más képeknél az AI algoritmus magabiztosan tudott címkét adni a bemutatott objektumnak, miközben az emberi résztvevők nem voltak biztosak abban, hogy a torz kép tartalmaz-e felismerhető tárgyat.”
Amikor a kutatók az új Bayes-i keretrendszerrel kombinálták az előrejelzéseket és a megbízhatósági pontszámokat, a hibrid modell jobb teljesítményt eredményezett, mint az önmagában emberi vagy gépi előrejelzések.
„Míg a múltbeli kutatások bebizonyították a gépi előrejelzések vagy az emberi előrejelzések kombinálásának előnyeit – az úgynevezett „tömeg bölcsességet” –, ez a munka új irányt teremt az emberi és gépi előrejelzések kombinálásában rejlő lehetőségek területén, bemutatva az ember és a mesterséges intelligencia együttműködésének új, jobb megközelítéseit” – mondta Smyth.
A kognitív tudományok találkozása – amelyek az emberek gondolkodásának és viselkedésének megértésére összpontosítanak – a számítástechnikával, amelyben a technológiákat előállítják, további betekintést nyújt majd abba, hogy az emberek és a gépek hogyan tudnak együttműködni a pontosabb mesterséges intelligencia rendszerek felépítésében.
Forrás:
https://techxplore.com/news/2022-03-hybrid-human-machine-framework-smarter-ai.html
