盖世汽车讯 从回答税收问题的聊天机器人,到操控自动驾驶汽车和提供医疗诊断的算法,人工智能应用于日常生活的众多方面。加州大学尔湾分校(University of California, Irvine,UCI)的研究人员表示,创建更智能、更准确的系统需要一种混合人机方法。因此,UCI研究人员提出一种新的数学模型,可以通过结合人类和算法预测以及置信度得分来提高性能。相关论文已发表于期刊《Proceedings of the National Academy of Sciences》。

(图片来源:加州大学)

论文作者之一、UCI认知科学教授Mark Steyvers表示:“人类和机器算法优劣势互补。每种算法都使用不同的信息来源和策略做出预测和决策。经验证明,且理论分析也表明,即使人类的准确度略低于人工智能的准确度,人类也可以改进人工智能的预测,反之亦然。这种准确度高于结合两个人或两种人工智能算法的准确度。”

为了测试该框架,研究人员进行了一项图像分类实验,其中人类参与者和计算机算法分别工作,以正确识别动物和日常用品(椅子、瓶子、自行车、卡车)的扭曲图片。人类参与者将对每个图像识别准确性的信心分为低、中或高,而机器分类器则生成一个连续的分数。结果显示,人类和人工智能算法对于不同图像的置信度存在较大差异。

论文共同作者、UCI名誉校长、计算机科学教授Padhraic Smyth也表示:“在某些情况下,人类参与者对包含椅子的特定图片等表现出超高信心,而人工智能算法对此就无法确定。同样,对于其他图像,人工智能算法能够自信地为显示对象提供标签,而人类参与者无法确定扭曲图片中是否包含可识别的对象。”

当使用新贝叶斯(Bayesian)框架将两种预测和置信度得分结合起来时,混合模型比人类或机器预测单独使用的性能更好。

Smyth表示:“虽然过去的研究已经证明,结合机器预测或结合人类预测可实现‘群体智慧’,从而在展示结合人类和机器预测的潜力方面开辟了一个新方向,并为人类与人工智能协作提供新的和改进方法。”

其他合著者包括UCI认知科学研究生Heliodoro Tejada和UCI计算机科学博士Gavin Kerrigan。

推荐内容