人类和人工智能系统共同解决问题时 可以变得更有效率

似乎Eric Horvitz首次发表了该研究论文。早在1993年，他就被聘为Microsoft首席研究员，并在3月被公司任命为Microsoft首席科学家官。他领导了公司从2017年到2020年的研究计划。该研究论文于本月初发布，研究了人工智能团队和人类在两个PC视觉项目(乳腺癌转移识别和Galaxy分类)上共同运作的绩效。通过这种提议的方法，人工智能(AI)模型可以评估人类可以执行的最佳任务以及AI系统可以更好地处理的任务类型。

通过这种方法，开发了学习程序以合并人类贡献和机器预测。人工智能系统致力于解决人类难以解决的问题，而人类则专注于解决AI系统难以解决的问题。基本上，以较低的准确度级别生成的AI系统预测将路由到该系统中的人工团队。根据研究人员的说法，对人类和人工智能系统的联合训练可以为我们增强星系分类模型。它可以改善“银河动物园”的性能，并将损失减少21%至73%。该系统还可以为CAMELYON16提供高达20%的更高性能。

该研究论文指出，尽管人类团队有其自身的限制，包括系统的偏见，但隔离中的机器学习性能克服了人类技能可以添加整体上下文的情况。研究人员在论文中指出，他们已经开发出了专注于训练AI学习模型以补充人类力量的方法。它也占了咨询专家的费用。人与AI系统的团队合作可以采取多种形式，但研究人员专注于设置机器，机器将决定哪些实例需要人类吸收，然后将人与机器的判断合并。

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。