Folje kryesore
- Studiuesit kanë krijuar teknika që lejojnë përdoruesit të renditin rezultatet e sjelljes së një modeli të mësimit të makinës.
- Ekspertët thonë se metoda tregon se makinat po arrijnë aftësitë e të menduarit të njerëzve.
- Përparimet në AI mund të përshpejtojnë zhvillimin e aftësisë së kompjuterëve për të kuptuar gjuhën dhe të revolucionarizojnë mënyrën se si AI dhe njerëzit ndërveprojnë.
Një teknikë e re që mat fuqinë arsyetuese të inteligjencës artificiale (AI) tregon se makinat po i arrijnë njerëzit në aftësitë e tyre për të menduar, thonë ekspertët.
Studiuesit në MIT dhe IBM Research kanë krijuar një metodë që i mundëson një përdoruesi të renditë rezultatet e sjelljes së një modeli të mësimit të makinës. Teknika e tyre, e quajtur Interesi i përbashkët, përfshin metrika që krahasojnë sa mirë përputhet mendimi i një modeli me atë të njerëzve.
"Sot, AI është në gjendje të arrijë (dhe, në disa raste, të tejkalojë) performancën njerëzore në detyra specifike, duke përfshirë njohjen e imazhit dhe të kuptuarit e gjuhës, " Pieter Buteneers, drejtor i inxhinierisë në mësimin e makinerive dhe AI në komunikim kompania Sinch, tha për Lifewire në një intervistë me email. "Me përpunimin e gjuhës natyrore (NLP), sistemet e AI mund të interpretojnë, shkruajnë dhe flasin gjuhë si dhe njerëzit, dhe AI madje mund të rregullojë dialektin dhe tonin e tij për t'u përshtatur me bashkëmoshatarët e tij njerëzorë."
Inteligjenca artificiale
AI shpesh prodhon rezultate pa shpjeguar pse ato vendime janë të sakta. Dhe mjetet që ndihmojnë ekspertët të kuptojnë arsyetimin e një modeli shpesh ofrojnë vetëm njohuri, vetëm një shembull në një kohë. AI zakonisht trajnohet duke përdorur miliona inpute të dhënash, duke e bërë të vështirë për një njeri të vlerësojë vendime të mjaftueshme për të identifikuar modelet.
Në një punim të fundit, studiuesit thanë se Interesi i përbashkët mund të ndihmojë një përdorues të zbulojë tendencat në vendimmarrjen e një modeli. Dhe këto njohuri mund të lejojnë përdoruesin të vendosë nëse një model është gati për t'u vendosur.
"Në zhvillimin e Interesit të Përbashkët, qëllimi ynë është që të jemi në gjendje të përshkallëzojmë këtë proces analize në mënyrë që të mund të kuptoni në një nivel më global se cila është sjellja e modelit tuaj," Angie Boggust, një bashkëautore e punimit., thuhet në njoftimin për shtyp.
Interesi i përbashkët përdor një teknikë që tregon se si një model i mësimit të makinës mori një vendim të veçantë, të njohur si metoda të spikatura. Nëse modeli klasifikon imazhet, metodat e spikatura nxjerrin në pah zonat e një imazhi që janë të rëndësishme për modelin kur ai merr vendimin e tij. Interesi i përbashkët funksionon duke krahasuar metodat e spikatura me shënimet e krijuara nga njeriu.
Studiuesit përdorën Interesin e përbashkët për të ndihmuar një dermatolog të përcaktojë nëse ai duhet t'i besojë një modeli të mësimit me makinë të krijuar për të ndihmuar në diagnostikimin e kancerit nga fotot e lezioneve të lëkurës. Interesi i përbashkët i mundësoi dermatologut të shihte shpejt shembuj të parashikimeve të sakta dhe të pasakta të modelit. Dermatologu vendosi se ai nuk mund t'i besonte modelit sepse ai bënte shumë parashikime bazuar në artefaktet e imazhit dhe jo në lezione aktuale.
"Vlera këtu është se duke përdorur Interesin e përbashkët, ne jemi në gjendje të shohim që këto modele shfaqen në sjelljen e modelit tonë. Në rreth gjysmë ore, dermatologu ishte në gjendje të vendoste nëse do t'i besonte apo jo modelit dhe nëse do ta përdorte apo jo atë, "tha Boggust.
Arsyetimi pas vendimit të një modeli është i rëndësishëm si për studiuesin e mësimit të makinës ashtu edhe për vendimmarrësin.
Matja e progresit
Puna nga studiuesit e MIT mund të jetë një hap i rëndësishëm përpara për përparimin e AI drejt inteligjencës në nivel njerëzor, tha Ben Hagag, kreu i kërkimit në Darrow, një kompani që përdor algoritme të mësimit të makinerive, tha për Lifewire në një intervistë me email..
"Arsyetimi pas vendimit të një modeli është i rëndësishëm si për studiuesin e mësimit të makinës ashtu edhe për vendimmarrësin," tha Hagag. "I pari dëshiron të kuptojë se sa i mirë është modeli dhe si mund të përmirësohet, ndërsa i dyti dëshiron të zhvillojë një ndjenjë besimi në model, kështu që ata duhet të kuptojnë pse u parashikua ai rezultat."
Por Hagag paralajmëroi se kërkimi i MIT bazohet në supozimin se ne kuptojmë ose mund të shënojmë kuptimin njerëzor ose arsyetimin njerëzor.
"Megjithatë, ekziston mundësia që kjo të mos jetë e saktë, kështu që nevojitet më shumë punë për të kuptuar vendimmarrjen njerëzore," shtoi Hagag.
Përparimet në AI mund të përshpejtojnë zhvillimin e aftësisë së kompjuterëve për të kuptuar gjuhën dhe të revolucionarizojnë mënyrën se si AI dhe njerëzit ndërveprojnë, tha Buteneers. Chatbots mund të kuptojnë qindra gjuhë në të njëjtën kohë dhe asistentët e AI mund të skanojnë tekstet për përgjigjet e pyetjeve ose parregullsive.
"Disa algoritme mund të identifikojnë edhe kur mesazhet janë mashtruese, gjë që mund t'i ndihmojë bizneset dhe konsumatorët njësoj të eliminojnë mesazhet e padëshiruara," shtoi Buteneers.
Por, tha Buteneers, AI ende bën disa gabime që njerëzit nuk do t'i bënin kurrë. "Ndërsa disa shqetësohen se AI do të zëvendësojë punët e njerëzve, realiteti është se ne gjithmonë do të kemi nevojë për njerëz që punojnë së bashku me robotët e AI për t'i ndihmuar t'i kontrollojnë ata dhe t'i mbajnë këto gabime në gji duke ruajtur një kontakt njerëzor në biznes," shtoi ai.
