Bài viết sưu tầm

Tóm tắt: Theo các nhà nghiên cứu, việc tạo ra các hệ thống trí tuệ nhân tạo thông minh hơn, chính xác hơn đòi hỏi một cách tiếp cận lai giữa người và máy. Trong một nghiên cứu mới, họ trình bày một mô hình toán học mới có thể cải thiện hiệu suất bằng cách kết hợp các dự đoán của con người và thuật toán và điểm số tin cậy.

Mark Steyvers, giáo sư khoa học nhận thức cho biết: "Con người và máy móc có những điểm mạnh và điểm yếu bổ sung cho nhau. Mỗi thuật toán sử dụng các nguồn thông tin và chiến lược khác nhau để đưa ra dự đoán và quyết định". "Các thực nghiệm và  phân tích lý thuyết cho thấy con người có thể cải thiện các dự đoán của AI ngay cả khi độ chính xác của con người thấp hơn một chút của AI - và ngược lại. Và độ chính xác này cao hơn so với việc kết hợp các dự đoán từ hai cá nhân hoặc hai thuật toán AI. "

Để kiểm tra khung này, các nhà nghiên cứu đã tiến hành một thí nghiệm phân loại hình ảnh, trong đó những người tham gia là con người và các thuật toán máy tính làm việc riêng biệt để xác định chính xác hình ảnh méo mó của động vật và các vật dụng hàng ngày - ghế, chai, xe đạp, xe tải. Những người tham gia xếp hạng mức độ tin cậy của họ về độ chính xác của từng nhận dạng hình ảnh là thấp, trung bình hoặc cao, trong khi bộ phân loại máy tạo ra một điểm số liên tục. Kết quả cho thấy sự khác biệt lớn về độ tin cậy giữa con người và thuật toán AI trên các hình ảnh.

Khi các dự đoán và điểm tin cậy từ cả hai được kết hợp bằng cách sử dụng khung Bayes mới của các nhà nghiên cứu, mô hình kết hợp đã dẫn đến hiệu suất tốt hơn so với dự đoán của con người hoặc máy chỉ đạt được.

"Mặc dù nghiên cứu trước đây đã chứng minh lợi ích của việc kết hợp dự đoán của máy móc hoặc kết hợp dự đoán của con người - cái gọi là 'trí tuệ của đám đông' - công việc này tạo ra một hướng mới trong việc chứng minh tiềm năng của việc kết hợp dự đoán của con người và máy móc, chỉ ra và các phương pháp tiếp cận được cải thiện để hợp tác giữa con người và AI ", Smyth nói.