Ключови изводи
- Изследователите са създали техники, които позволяват на потребителите да класират резултатите от поведението на модел на машинно обучение.
- Експертите казват, че методът показва, че машините настигат мисловните способности на хората.
- Напредъкът в AI може да ускори развитието на способността на компютрите да разбират езика и да революционизира начина, по който AI и хората си взаимодействат.
Нова техника, която измерва силата на разсъждение на изкуствения интелект (AI), показва, че машините настигат хората в способностите им да мислят, казват експерти.
Изследователи от MIT и IBM Research са създали метод, който позволява на потребителя да класира резултатите от поведението на модел на машинно обучение. Тяхната техника, наречена Споделен интерес, включва показатели, които сравняват доколко мисленето на даден модел съвпада с това на хората.
„Днес изкуственият интелект е в състояние да достигне (и в някои случаи да надхвърли) човешката производителност при специфични задачи, включително разпознаване на изображения и разбиране на езика,“Питер Бутенърс, директор по инженерство в машинното обучение и изкуствен интелект в комуникациите компания Sinch, каза пред Lifewire в интервю по имейл. „С обработката на естествения език (NLP) AI системите могат да интерпретират, пишат и говорят езици, както и хората, и AI може дори да коригира диалекта и тона си, за да се приведе в съответствие с човешките връстници.“
Изкуствен ум
AI често дава резултати, без да обяснява защо тези решения са правилни. А инструментите, които помагат на експертите да осмислят разсъжденията на даден модел, често предоставят само прозрения, само един пример наведнъж. AI обикновено се обучава с помощта на милиони входни данни, което затруднява човека да оцени достатъчно решения, за да идентифицира модели.
В скорошен документ изследователите казаха, че споделеният интерес може да помогне на потребителя да разкрие тенденциите при вземането на решения от даден модел. И тези прозрения могат да позволят на потребителя да реши дали даден модел е готов за внедряване.
„При разработването на споделен интерес нашата цел е да можем да разширим този процес на анализ, така че да можете да разберете на по-глобално ниво какво е поведението на вашия модел“, Анджи Богуст, съавтор на статията, се казва в съобщението за новини.
Споделеният интерес използва техника, която показва как модел на машинно обучение е взел конкретно решение, известна като методи за значимост. Ако моделът класифицира изображения, методите за значимост подчертават области от изображение, които са важни за модела, когато взема решение. Споделеният интерес работи, като сравнява методите за значимост с анотациите, генерирани от човека.
Изследователите използваха Shared Interest, за да помогнат на дерматолог да определи дали трябва да се довери на модел на машинно обучение, предназначен да помогне при диагностицирането на рак от снимки на кожни лезии. Споделеният интерес позволи на дерматолога бързо да види примери за правилни и неправилни прогнози на модела. Дерматологът реши, че не може да се довери на модела, защото той прави твърде много прогнози въз основа на артефакти на изображението, а не на действителни лезии.
„Стойността тук е, че използвайки Споделен интерес, можем да видим тези модели да се появяват в поведението на нашия модел. След около половин час дерматологът успя да реши дали да се довери или не на модела и дали да го разположи или не,”каза Богуст.
Обосновката зад решението на модела е важна както за изследователя на машинното обучение, така и за вземащия решения.
Измерване на напредъка
Работата на изследователите от Масачузетския технологичен институт може да бъде значителна стъпка напред за напредъка на ИИ към интелигентност на човешко ниво, каза Бен Хагаг, ръководител на изследванията в Darrow, компания, която използва алгоритми за машинно обучение, каза това пред Lifewire в интервю по имейл.
„Обосновката зад решението на модела е важна както за изследователя на машинното обучение, така и за вземащия решения“, каза Хагаг. „Първият иска да разбере колко добър е моделът и как може да бъде подобрен, докато вторият иска да развие чувство на увереност в модела, така че те трябва да разберат защо е предвиден този резултат.“
Но Хагаг предупреди, че изследването на MIT се основава на предположението, че ние разбираме или можем да коментираме човешкото разбиране или човешки разсъждения.
„Въпреки това има възможност това да не е точно, така че е необходима повече работа за разбиране на вземането на човешки решения“, добави Хагаг.
Напредъкът в AI може да ускори развитието на способността на компютрите да разбират езика и да революционизира начина, по който AI и хората си взаимодействат, каза Buteneers. Чатботовете могат да разбират стотици езици едновременно, а AI асистентите могат да сканират части от текст за отговори на въпроси или нередности.
„Някои алгоритми могат дори да идентифицират кога съобщенията са измамни, което може да помогне както на бизнеса, така и на потребителите да отсеят спам съобщенията,“добави Buteneers.
Но, каза Buteneers, AI все още прави някои грешки, които хората никога не биха направили. „Макар някои да се притесняват, че изкуственият интелект ще замени човешките работни места, реалността е, че винаги ще имаме нужда от хора, работещи заедно с ботове с изкуствен интелект, за да им помогнем да ги държим под контрол и да предпазим тези грешки, като същевременно поддържаме човешко отношение към бизнеса“, добави той.
