მთავარი წაღებები
- მკვლევარებმა შექმნეს ტექნიკა, რომელიც მომხმარებლებს საშუალებას აძლევს შეაფასონ მანქანური სწავლების მოდელის ქცევის შედეგები.
- ექსპერტები ამბობენ, რომ მეთოდი აჩვენებს, რომ მანქანები ეწევიან ადამიანების აზროვნების შესაძლებლობებს.
- AI-ში მიღწევებმა შეიძლება დააჩქაროს კომპიუტერების ენის გაგების უნარის განვითარება და რევოლუცია მოახდინოს ხელოვნური ინტელექტისა და ადამიანების ურთიერთქმედებაში.
ახალი ტექნიკა, რომელიც ზომავს ხელოვნური ინტელექტის (AI) მსჯელობის ძალას, აჩვენებს, რომ მანქანები ეწევიან ადამიანებს აზროვნების უნარით, ამბობენ ექსპერტები.
MIT-ისა და IBM Research-ის მკვლევარებმა შექმნეს მეთოდი, რომელიც მომხმარებელს საშუალებას აძლევს, მოახდინოს მანქანური სწავლების მოდელის ქცევის შედეგების რეიტინგის დადგენა. მათი ტექნიკა, სახელწოდებით გაზიარებული ინტერესი, აერთიანებს მეტრიკას, რომელიც ადარებს რამდენად ემთხვევა მოდელის აზროვნება ადამიანებს.
"დღეს, AI-ს შეუძლია მიაღწიოს (და, ზოგიერთ შემთხვევაში, გადააჭარბოს) ადამიანის შესრულებას კონკრეტულ ამოცანებში, მათ შორის გამოსახულების ამოცნობისა და ენის გაგების ჩათვლით. კომპანია Sinch-მა განუცხადა Lifewire-ს ელექტრონული ფოსტის ინტერვიუში. "ბუნებრივი ენის დამუშავებით (NLP) ხელოვნური ინტელექტის სისტემებს შეუძლიათ ინტერპრეტაცია, წერა და ლაპარაკი ენებზე, ისევე როგორც ადამიანებს, და AI-ს შეუძლია თავისი დიალექტისა და ტონის კორექტირებაც კი, რათა შეესაბამებოდეს თავის თანატოლებს.".
ხელოვნური ჭკუა
AI ხშირად იძლევა შედეგებს იმის ახსნის გარეშე, თუ რატომ არის ეს გადაწყვეტილებები სწორი. და ინსტრუმენტები, რომლებიც ეხმარებიან ექსპერტებს მოდელის მსჯელობის გააზრებაში, ხშირად მხოლოდ წარმოდგენას იძლევა, მხოლოდ ერთ მაგალითს ერთდროულად. AI ჩვეულებრივ ივარჯიშება მილიონობით მონაცემთა შეყვანის გამოყენებით, რაც ართულებს ადამიანს საკმარისი გადაწყვეტილებების შეფასებას შაბლონების იდენტიფიცირებისთვის.
ბოლო ნაშრომში, მკვლევარებმა განაცხადეს, რომ საერთო ინტერესი შეიძლება დაეხმაროს მომხმარებელს მოდელის გადაწყვეტილების მიღების ტენდენციების აღმოჩენაში. და ეს შეხედულებები მომხმარებელს საშუალებას აძლევს გადაწყვიტოს არის თუ არა მოდელი მზად გამოსაყენებლად.
„გაზიარებული ინტერესის შემუშავებისას ჩვენი მიზანია შევძლოთ გავაფართოვოთ ანალიზის პროცესი ისე, რომ უფრო გლობალურ დონეზე გაიგოთ, როგორია თქვენი მოდელის ქცევა“, ენჯი ბოგუსტი, ნაშრომის თანაავტორი., ნათქვამია საინფორმაციო გამოშვებაში.
გაზიარებული ინტერესი იყენებს ტექნიკას, რომელიც გვიჩვენებს, თუ როგორ მიიღო მანქანური სწავლების მოდელი კონკრეტული გადაწყვეტილება, რომელიც ცნობილია როგორც გამორჩეული მეთოდები. თუ მოდელი ახდენს სურათების კლასიფიკაციას, გამორჩეული მეთოდები ხაზს უსვამს გამოსახულების იმ სფეროებს, რომლებიც მნიშვნელოვანია მოდელისთვის, როდესაც ის იღებს გადაწყვეტილებას. გაზიარებული ინტერესი მუშაობს გამორჩეული მეთოდების შედარებით ადამიანის მიერ გენერირებულ ანოტაციებთან.
მკვლევარებმა გამოიყენეს საზიარო ინტერესი, რათა დაეხმარონ დერმატოლოგს, განსაზღვროს, უნდა ენდოს თუ არა მანქანით სწავლის მოდელს, რომელიც შექმნილია კიბოს დიაგნოსტიკაში კანის დაზიანებების ფოტოებიდან. გაზიარებულმა ინტერესმა დერმატოლოგს საშუალება მისცა სწრაფად ენახა მოდელის სწორი და არასწორი პროგნოზების მაგალითები. დერმატოლოგმა გადაწყვიტა, რომ ვერ ენდობოდა მოდელს, რადგან ის ძალიან ბევრ პროგნოზს აკეთებდა გამოსახულების არტეფაქტებზე და არა რეალურ დაზიანებებზე დაყრდნობით.
„მნიშვნელობა აქ არის ის, რომ გაზიარებული ინტერესის გამოყენებით, ჩვენ შეგვიძლია დავინახოთ ეს შაბლონები ჩვენი მოდელის ქცევაში. დაახლოებით ნახევარ საათში დერმატოლოგმა შეძლო გადაეწყვიტა ენდობოდა თუ არა მოდელს და გამოეყენებინა თუ არა იგი“, - თქვა ბოგუსტმა.
მოდელის გადაწყვეტილების დასაბუთება მნიშვნელოვანია როგორც მანქანათმცოდნეობის მკვლევრისთვის, ასევე გადაწყვეტილების მიმღებისთვის.
პროგრესის გაზომვა
MIT-ის მკვლევარების მუშაობა შეიძლება იყოს მნიშვნელოვანი წინგადადგმული ნაბიჯი ხელოვნური ინტელექტის წინსვლისთვის ადამიანის დონის ინტელექტისკენ, თქვა ბენ ჰეგაგმა, Darrow-ის კვლევის ხელმძღვანელმა, კომპანია, რომელიც იყენებს მანქანათმცოდნეობის ალგორითმებს, განუცხადა Lifewire-ს ელ-ფოსტის ინტერვიუში..
„მოდელის გადაწყვეტილების მსჯელობა მნიშვნელოვანია როგორც მანქანათმცოდნეობის მკვლევარისთვის, ასევე გადაწყვეტილების მიმღებისთვის“, - თქვა ჰეგაგმა. „პირველს სურს გაიგოს, რამდენად კარგია მოდელი და როგორ შეიძლება მისი გაუმჯობესება, ხოლო მეორეს სურს გამოიმუშაოს ნდობის გრძნობა მოდელის მიმართ, ამიტომ მათ უნდა გააცნობიერონ, თუ რატომ იყო ნაწინასწარმეტყველები ეს შედეგი.“
მაგრამ ჰაგაგმა გააფრთხილა, რომ MIT-ის კვლევა ემყარება იმ ვარაუდს, რომ ჩვენ გვესმის ან შეგვიძლია დავასახელოთ ადამიანის გაგება ან ადამიანის მსჯელობა.
"თუმცა, არსებობს შესაძლებლობა, რომ ეს არ იყოს ზუსტი, ამიტომ საჭიროა მეტი მუშაობა ადამიანის გადაწყვეტილების მიღების გაგებაზე," დასძინა ჰეგაგმა.
ხელოვნური ინტელექტის მიღწევებმა შეიძლება დააჩქაროს კომპიუტერების ენის გაგების უნარის განვითარება და რევოლუცია მოახდინოს ხელოვნური ინტელექტისა და ადამიანების ურთიერთქმედებაში, თქვა ბუტენერსმა. ჩატბოტებს შეუძლიათ ასობით ენის გაგება ერთდროულად, ხოლო ხელოვნური ინტელექტის ასისტენტებს შეუძლიათ ტექსტის სკანირება კითხვებზე ან დარღვევებზე პასუხების მისაღებად.
„ზოგიერთ ალგორითმს შეუძლია იდენტიფიცირებაც კი, როდესაც შეტყობინებები თაღლითურია, რაც შეიძლება დაეხმაროს ბიზნესებს და მომხმარებლებს სპამის შეტყობინებების აღმოფხვრაში“, - დასძინა ბუტენერმა.
მაგრამ, თქვა ბუტენერსმა, ხელოვნური ინტელექტი მაინც უშვებს შეცდომებს, რომლებსაც ადამიანები არასოდეს დაუშვებდნენ. „მიუხედავად იმისა, რომ ზოგიერთი წუხს, რომ ხელოვნური ინტელექტი ჩაანაცვლებს ადამიანურ სამუშაოებს, რეალობა ისაა, რომ ჩვენ ყოველთვის დაგვჭირდება ადამიანები, რომლებიც მუშაობენ AI ბოტებთან ერთად, რათა დავეხმაროთ მათ კონტროლისა და ამ შეცდომების თავიდან აცილებაში, ბიზნესში ადამიანური შეხების შენარჩუნებისას“, - დასძინა მან.
