ซื้อกลับบ้านที่สำคัญ
- นักวิจัยได้สร้างเทคนิคที่ช่วยให้ผู้ใช้สามารถจัดอันดับผลลัพธ์ของพฤติกรรมของโมเดลการเรียนรู้ด้วยเครื่องได้
- ผู้เชี่ยวชาญบอกว่าวิธีการนี้แสดงให้เห็นว่าเครื่องจักรกำลังไล่ตามความสามารถในการคิดของมนุษย์
- ความก้าวหน้าใน AI สามารถเร่งการพัฒนาความสามารถของคอมพิวเตอร์ในการเข้าใจภาษาและปฏิวัติวิธีที่ AI และมนุษย์โต้ตอบกัน
เทคนิคใหม่ที่วัดพลังการให้เหตุผลของปัญญาประดิษฐ์ (AI) แสดงให้เห็นว่าเครื่องจักรกำลังไล่ตามความสามารถในการคิดของมนุษย์ ผู้เชี่ยวชาญกล่าว
นักวิจัยที่ MIT และ IBM Research ได้สร้างวิธีการที่ช่วยให้ผู้ใช้สามารถจัดอันดับผลลัพธ์ของพฤติกรรมของโมเดลการเรียนรู้ของเครื่อง เทคนิคของพวกเขาที่เรียกว่าความสนใจร่วมกันนั้นรวมเอาเมตริกที่เปรียบเทียบว่าความคิดของนางแบบตรงกับความคิดของผู้คนมากเพียงใด
"วันนี้ AI สามารถเข้าถึง (และในบางกรณีก็เกิน) ประสิทธิภาพการทำงานของมนุษย์ในงานเฉพาะ รวมถึงการจดจำภาพและความเข้าใจภาษา " Pieter Buteneers ผู้อำนวยการฝ่ายวิศวกรรมในการเรียนรู้ของเครื่องและ AI ที่การสื่อสาร บริษัท Sinch บอกกับ Lifewire ในการสัมภาษณ์ทางอีเมล "ด้วยการประมวลผลภาษาธรรมชาติ (NLP) ระบบ AI สามารถตีความ เขียน และพูดภาษาได้เช่นเดียวกับมนุษย์ และ AI ยังสามารถปรับเปลี่ยนภาษาและโทนเสียงเพื่อให้สอดคล้องกับเพื่อนร่วมงานมนุษย์"
ปัญญาประดิษฐ์
AI มักให้ผลลัพธ์โดยไม่ได้อธิบายว่าทำไมการตัดสินใจเหล่านั้นจึงถูกต้อง และเครื่องมือที่ช่วยให้ผู้เชี่ยวชาญเข้าใจเหตุผลของแบบจำลองมักจะให้ข้อมูลเชิงลึก ครั้งละตัวอย่างเท่านั้นโดยปกติแล้ว AI จะได้รับการฝึกอบรมโดยใช้อินพุตข้อมูลนับล้าน ทำให้ยากสำหรับมนุษย์ในการประเมินการตัดสินใจที่เพียงพอในการระบุรูปแบบ
ในรายงานฉบับล่าสุด นักวิจัยกล่าวว่าความสนใจร่วมกันสามารถช่วยให้ผู้ใช้ค้นพบแนวโน้มในการตัดสินใจของนางแบบ และข้อมูลเชิงลึกเหล่านี้อาจทำให้ผู้ใช้ตัดสินใจว่าโมเดลพร้อมที่จะปรับใช้หรือไม่
“ในการพัฒนาความสนใจร่วมกัน เป้าหมายของเราคือการขยายกระบวนการวิเคราะห์นี้ เพื่อให้คุณเข้าใจในระดับสากลมากขึ้นว่าพฤติกรรมของแบบจำลองของคุณคืออะไร” Angie Boggust ผู้เขียนร่วมของบทความ กล่าวในการแถลงข่าว
ความสนใจร่วมกันใช้เทคนิคที่แสดงให้เห็นว่าโมเดลการเรียนรู้ของเครื่องตัดสินใจอย่างไร หรือที่เรียกว่าวิธีการพิเศษ หากโมเดลกำลังจัดประเภทรูปภาพ วิธีความโดดเด่นจะเน้นบริเวณต่างๆ ของรูปภาพที่มีความสำคัญต่อโมเดลเมื่อทำการตัดสินใจ ความสนใจร่วมกันทำงานโดยการเปรียบเทียบวิธีการเด่นกับคำอธิบายประกอบที่มนุษย์สร้างขึ้น
นักวิจัยใช้ความสนใจร่วมกันเพื่อช่วยแพทย์ผิวหนังตัดสินใจว่าเขาควรเชื่อถือโมเดลการเรียนรู้ของเครื่องที่ออกแบบมาเพื่อช่วยวินิจฉัยมะเร็งจากภาพถ่ายของรอยโรคที่ผิวหนังหรือไม่ ความสนใจร่วมกันช่วยให้แพทย์ผิวหนังสามารถดูตัวอย่างการคาดการณ์ที่ถูกต้องและไม่ถูกต้องของแบบจำลองได้อย่างรวดเร็ว แพทย์ผิวหนังตัดสินใจว่าเขาไม่สามารถเชื่อถือแบบจำลองได้ เพราะมันทำนายมากเกินไปโดยอิงจากสิ่งประดิษฐ์ของภาพมากกว่ารอยโรคจริง
“คุณค่าที่นี่คือการใช้ความสนใจร่วมกัน เราสามารถเห็นรูปแบบเหล่านี้ปรากฏในพฤติกรรมของนางแบบของเรา ในเวลาประมาณครึ่งชั่วโมง แพทย์ผิวหนังสามารถตัดสินใจว่าจะเชื่อถือแบบจำลองหรือไม่และจะปรับใช้หรือไม่” Boggust กล่าว
เหตุผลที่อยู่เบื้องหลังการตัดสินใจของนางแบบมีความสำคัญต่อทั้งนักวิจัยแมชชีนเลิร์นนิงและผู้ตัดสินใจ
ความคืบหน้าในการวัด
งานโดยนักวิจัยของ MIT อาจเป็นก้าวสำคัญสำหรับความก้าวหน้าของ AI ไปสู่ความฉลาดระดับมนุษย์ Ben Hagag หัวหน้าฝ่ายวิจัยของ Darrow บริษัทที่ใช้อัลกอริธึมการเรียนรู้ด้วยเครื่องกล่าวกับ Lifewire ในการสัมภาษณ์ทางอีเมล.
“เหตุผลที่อยู่เบื้องหลังการตัดสินใจของนางแบบมีความสำคัญต่อทั้งนักวิจัยด้านแมชชีนเลิร์นนิงและผู้มีอำนาจตัดสินใจ” Hagag กล่าว “อดีตต้องการเข้าใจว่าแบบจำลองนั้นดีเพียงใดและจะปรับปรุงได้อย่างไร ในขณะที่รุ่นหลังต้องการพัฒนาความมั่นใจในตัวแบบจำลอง ดังนั้นพวกเขาจึงต้องเข้าใจว่าทำไมจึงคาดการณ์ผลลัพธ์นั้น”
แต่ Hagag เตือนว่าการวิจัยของ MIT ตั้งอยู่บนสมมติฐานที่เราเข้าใจหรือสามารถใส่คำอธิบายประกอบความเข้าใจของมนุษย์หรือการใช้เหตุผลของมนุษย์ได้
“อย่างไรก็ตาม มีความเป็นไปได้ที่สิ่งนี้อาจไม่ถูกต้อง ดังนั้นจึงจำเป็นต้องมีการทำงานมากขึ้นในการทำความเข้าใจการตัดสินใจของมนุษย์” Hagag กล่าวเสริม
ความก้าวหน้าใน AI สามารถเร่งการพัฒนาความสามารถของคอมพิวเตอร์ในการทำความเข้าใจภาษา และปฏิวัติวิธีที่ AI และมนุษย์โต้ตอบกัน Buteneers กล่าว แชทบอทสามารถเข้าใจภาษาได้หลายร้อยภาษาในแต่ละครั้ง และผู้ช่วย AI สามารถสแกนเนื้อหาข้อความเพื่อหาคำตอบสำหรับคำถามหรือสิ่งผิดปกติได้
“อัลกอริธึมบางตัวสามารถระบุได้ด้วยซ้ำว่าข้อความหลอกลวงเมื่อใด ซึ่งสามารถช่วยธุรกิจและผู้บริโภคในการกำจัดข้อความสแปม” Buteneers กล่าวเสริม
แต่ Buteneers กล่าวว่า AI ยังคงทำผิดพลาดบางอย่างที่มนุษย์ไม่เคยทำ “ในขณะที่บางคนกังวลว่า AI จะเข้ามาแทนที่งานของมนุษย์ ความจริงก็คือเราต้องการคนที่ทำงานร่วมกับบอท AI เสมอ เพื่อช่วยควบคุมพวกเขาและป้องกันข้อผิดพลาดเหล่านี้ไว้ในขณะที่ยังคงสัมผัสถึงความเป็นมนุษย์ในธุรกิจ” เขากล่าวเสริม