人類和人工智能系統(tǒng)共同解決問題時 可以變得更有效率

似乎Eric Horvitz首次發(fā)表了該研究論文。早在1993年，他就被聘為Microsoft首席研究員，并在3月被公司任命為Microsoft首席科學(xué)家官。他領(lǐng)導(dǎo)了公司從2017年到2020年的研究計劃。該研究論文于本月初發(fā)布，研究了人工智能團隊和人類在兩個PC視覺項目(乳腺癌轉(zhuǎn)移識別和Galaxy分類)上共同運作的績效。通過這種提議的方法，人工智能(AI)模型可以評估人類可以執(zhí)行的最佳任務(wù)以及AI系統(tǒng)可以更好地處理的任務(wù)類型。

通過這種方法，開發(fā)了學(xué)習(xí)程序以合并人類貢獻和機器預(yù)測。人工智能系統(tǒng)致力于解決人類難以解決的問題，而人類則專注于解決AI系統(tǒng)難以解決的問題。基本上，以較低的準(zhǔn)確度級別生成的AI系統(tǒng)預(yù)測將路由到該系統(tǒng)中的人工團隊。根據(jù)研究人員的說法，對人類和人工智能系統(tǒng)的聯(lián)合訓(xùn)練可以為我們增強星系分類模型。它可以改善“銀河動物園”的性能，并將損失減少21%至73%。該系統(tǒng)還可以為CAMELYON16提供高達20%的更高性能。

該研究論文指出，盡管人類團隊有其自身的限制，包括系統(tǒng)的偏見，但隔離中的機器學(xué)習(xí)性能克服了人類技能可以添加整體上下文的情況。研究人員在論文中指出，他們已經(jīng)開發(fā)出了專注于訓(xùn)練AI學(xué)習(xí)模型以補充人類力量的方法。它也占了咨詢專家的費用。人與AI系統(tǒng)的團隊合作可以采取多種形式，但研究人員專注于設(shè)置機器，機器將決定哪些實例需要人類吸收，然后將人與機器的判斷合并。