当人类和人工智能系统一起解决问题时,它们会更好地工作。根据微软首席科学家埃里克·霍维茨(Eric Horvitz),微软研究院首席研究员Ece Kamar,哈佛大学学生和微软研究院实习生布莱恩·怀尔德(Bryan Wilder)的研究。自微软三月份任命霍维茨为首席科学官以来,该论文似乎是霍维茨的第一篇论文,这是公司历史上的第一篇论文。Horvitz于1993年作为首席研究员加入微软,并于2017年至2020年领导微软研究部门。

本月初发布的论文研究了人类和AI团队在两项计算机视觉任务上的绩效:银河分类和乳腺癌转移检测。通过提出的方法,AI模型可以确定哪些任务最适合人类执行,哪些任务可以由AI更好地处理。

优化了学习策略,将机器的预测和人类的贡献相结合,其中AI专注于人类难以解决的问题,而人类则解决了机器很难解决的问题。基本上,在没有很高准确性的情况下进行的机器预测会传递给人类。研究人员说,联合训练可以改善星系分类模型Galaxy Zoo的性能,并将损失减少21-73%,并将CAMELYON16的性能提高20%。

该论文写道:“孤立地优化机器学习性能忽视了通常的情况,尽管人类有其自身的局限性,包括系统的偏见,但人类的专业知识可以提供互补的观点。”“我们开发了旨在训练机器学习模型以补充人类力量的方法,从而解决了咨询专家的成本。尽管人机团队可以采取多种形式,但是我们在这里集中在机器要执行的任务上,即确定哪些实例需要人为输入,然后将机器和人的判断融合在一起。

5月1日在预印本存储库arXiv上发布的论文标题为“学习以补充人类”,并继续了人机交互与合作方面的多年工作。卡马尔(Kamar)和霍维兹(Horvitz)在2012年发表的一篇论文上进行了合作,该论文展示了AI如何融合人与机器的劳动,并探索了Galaxy Zoo与人类相比的性能。在2007年,霍维茨(Horvitz)制定了政策,确定何时接待人员应使用自动接待系统干预客户对话。

该论文写道:“我们看到了在不同环境下研究人机互补性其他方面的机会。”“当人与机器之间的交互超出了询问人们的答案时,例如,具有更复杂,交错的交互以及具有不同水平的人类主动性和机器自主性的设置,方向就包括团队绩效的优化。”

在研究不同类型的团队合作时,OpenAI研究人员研究了在Quake III和“捉迷藏”等游戏中协同工作的机器代理。