Ključni podaci za van
- Istraživači su stvorili tehnike koje korisnicima omogućuju rangiranje rezultata ponašanja modela strojnog učenja.
- Stručnjaci kažu da metoda pokazuje da strojevi sustižu ljudske sposobnosti razmišljanja.
- Napredak umjetne inteligencije mogao bi ubrzati razvoj sposobnosti računala da razumiju jezik i revolucionirati način na koji umjetna inteligencija i ljudi komuniciraju.
Nova tehnika koja mjeri moć rasuđivanja umjetne inteligencije (AI) pokazuje da strojevi sustižu ljude u njihovim sposobnostima razmišljanja, kažu stručnjaci.
Istraživači s MIT-a i IBM Researcha stvorili su metodu koja korisniku omogućuje rangiranje rezultata ponašanja modela strojnog učenja. Njihova tehnika, nazvana Shared Interest, uključuje metriku koja uspoređuje koliko dobro razmišljanja modela odgovaraju razmišljanjima ljudi.
"Danas je umjetna inteligencija sposobna doseći (i, u nekim slučajevima, premašiti) ljudske performanse u određenim zadacima, uključujući prepoznavanje slika i razumijevanje jezika, " Pieter Buteneers, direktor inženjeringa u strojnom učenju i umjetnoj inteligenciji u komunikacijama tvrtke Sinch, rekao je Lifewireu u intervjuu e-poštom. "S obradom prirodnog jezika (NLP), AI sustavi mogu tumačiti, pisati i govoriti jezike kao i ljudi, a AI može čak prilagoditi svoj dijalekt i ton kako bi se uskladio sa svojim ljudskim kolegama."
Umjetna pamet
AI često daje rezultate bez objašnjenja zašto su te odluke ispravne. A alati koji stručnjacima pomažu da shvate razmišljanje modela često pružaju samo uvide, samo jedan po jedan primjer. AI se obično trenira korištenjem milijuna ulaznih podataka, što otežava čovjeku procjenu dovoljnog broja odluka za prepoznavanje uzoraka.
U nedavnom radu, istraživači su rekli da zajednički interes može pomoći korisniku da otkrije trendove u donošenju odluka modela. A ovi uvidi mogu omogućiti korisniku da odluči je li model spreman za implementaciju.
“U razvoju zajedničkog interesa, naš je cilj moći povećati ovaj proces analize kako biste mogli razumjeti na globalnijoj razini kakvo je ponašanje vašeg modela,” Angie Boggust, koautorica rada, stoji u priopćenju.
Shared Interest koristi tehniku koja pokazuje kako je model strojnog učenja donio određenu odluku, poznatu kao metode istaknutosti. Ako model klasificira slike, metode istaknutosti ističu područja slike koja su važna modelu kada donosi odluku. Shared Interest funkcionira uspoređujući metode istaknutosti s ljudskim komentarima.
Istraživači su koristili Shared Interest kako bi pomogli dermatologu da odredi treba li vjerovati modelu strojnog učenja dizajniranom da pomogne u dijagnosticiranju raka na temelju fotografija kožnih lezija. Zajednički interes omogućio je dermatologu da brzo vidi primjere točnih i netočnih predviđanja modela. Dermatolog je odlučio da ne može vjerovati modelu jer daje previše predviđanja na temelju artefakata slike, a ne stvarnih lezija.
Ovdje je vrijednost u tome što korištenjem zajedničkog interesa možemo vidjeti kako se ti obrasci pojavljuju u ponašanju našeg modela. Za otprilike pola sata, dermatolog je mogao odlučiti treba li vjerovati modelu i hoće li ga primijeniti ili ne,” rekao je Boggust.
Razlog iza odluke modela važan je i istraživaču strojnog učenja i donositelju odluka.
Mjerenje napretka
Rad istraživača s MIT-a mogao bi biti značajan korak naprijed za napredak umjetne inteligencije prema inteligenciji na ljudskoj razini, rekao je Ben Hagag, voditelj istraživanja u Darrowu, tvrtki koja koristi algoritme strojnog učenja, rekao je to Lifewireu u intervjuu e-poštom.
"Razlog iza odluke modela važan je i istraživaču strojnog učenja i donositelju odluka", rekao je Hagag. "Prvi želi razumjeti koliko je model dobar i kako se može poboljšati, dok drugi želi razviti osjećaj povjerenja u model, pa moraju razumjeti zašto je taj rezultat predviđen."
Ali Hagag je upozorio da se istraživanje MIT-a temelji na pretpostavci da razumijemo ili možemo označiti ljudsko razumijevanje ili ljudsko razmišljanje.
"Međutim, postoji mogućnost da to nije točno, pa je potrebno više rada na razumijevanju ljudskog odlučivanja," dodao je Hagag.
Napredak umjetne inteligencije mogao bi ubrzati razvoj sposobnosti računala da razumiju jezik i revolucionirati način na koji umjetna inteligencija i ljudi međusobno djeluju, rekao je Buteneers. Chatbotovi mogu razumjeti stotine jezika u isto vrijeme, a AI pomoćnici mogu skenirati dijelove teksta tražeći odgovore na pitanja ili nepravilnosti.
"Neki algoritmi mogu čak prepoznati kada su poruke lažne, što može pomoći poduzećima i potrošačima da izloče neželjene poruke", dodao je Buteneers.
Ali, rekao je Buteneers, umjetna inteligencija još uvijek čini neke pogreške koje ljudi nikada ne bi. "Iako se neki brinu da će umjetna inteligencija zamijeniti ljudske poslove, stvarnost je da ćemo uvijek trebati ljude koji rade zajedno s botovima s umjetnom inteligencijom kako bi ih držali pod kontrolom i spriječili ove pogreške, a istovremeno zadržali ljudski dodir u poslovanju", dodao je.
