蓋世汽車訊 從回答稅收問題的聊天機器人,到操控自動駕駛汽車和提供醫療診斷的算法,人工智能應用于日常生活的眾多方面。加州大學爾灣分校(University of California, Irvine,UCI)的研究人員表示,創建更智能、更準確的系統需要一種混合人機方法。因此,UCI研究人員提出一種新的數學模型,可以通過結合人類和算法預測以及置信度得分來提高性能。相關論文已發表于期刊《Proceedings of the National Academy of Sciences》。
(圖片來源:加州大學)
論文作者之一、UCI認知科學教授Mark Steyvers表示:“人類和機器算法優劣勢互補。每種算法都使用不同的信息來源和策略做出預測和決策。經驗證明,且理論分析也表明,即使人類的準確度略低于人工智能的準確度,人類也可以改進人工智能的預測,反之亦然。這種準確度高于結合兩個人或兩種人工智能算法的準確度。”
為了測試該框架,研究人員進行了一項圖像分類實驗,其中人類參與者和計算機算法分別工作,以正確識別動物和日常用品(椅子、瓶子、自行車、卡車)的扭曲圖片。人類參與者將對每個圖像識別準確性的信心分為低、中或高,而機器分類器則生成一個連續的分數。結果顯示,人類和人工智能算法對于不同圖像的置信度存在較大差異。
論文共同作者、UCI名譽校長、計算機科學教授Padhraic Smyth也表示:“在某些情況下,人類參與者對包含椅子的特定圖片等表現出超高信心,而人工智能算法對此就無法確定。同樣,對于其他圖像,人工智能算法能夠自信地為顯示對象提供標簽,而人類參與者無法確定扭曲圖片中是否包含可識別的對象。”
當使用新貝葉斯(Bayesian)框架將兩種預測和置信度得分結合起來時,混合模型比人類或機器預測單獨使用的性能更好。
Smyth表示:“雖然過去的研究已經證明,結合機器預測或結合人類預測可實現‘群體智慧’,從而在展示結合人類和機器預測的潛力方面開辟了一個新方向,并為人類與人工智能協作提供新的和改進方法。”
其他合著者包括UCI認知科學研究生Heliodoro Tejada和UCI計算機科學博士Gavin Kerrigan。
關鍵詞: 人工智能