Key Takeaway
- Penyelidik telah mencipta teknik yang membolehkan pengguna menilai keputusan tingkah laku model pembelajaran mesin.
- Pakar berkata kaedah itu menunjukkan bahawa mesin mengejar kebolehan berfikir manusia.
- Kemajuan dalam AI boleh mempercepatkan pembangunan keupayaan komputer untuk memahami bahasa dan merevolusikan cara AI dan manusia berinteraksi.
Teknik baharu yang mengukur kuasa penaakulan kecerdasan buatan (AI) menunjukkan bahawa mesin mengejar manusia dalam kebolehan mereka untuk berfikir, kata pakar.
Penyelidik di MIT dan IBM Research telah mencipta kaedah yang membolehkan pengguna menilai keputusan tingkah laku model pembelajaran mesin. Teknik mereka, dipanggil Minat Berkongsi, menggabungkan metrik yang membandingkan sejauh mana pemikiran model sepadan dengan pemikiran orang ramai.
"Hari ini, AI mampu mencapai (dan, dalam beberapa kes, melebihi) prestasi manusia dalam tugas tertentu, termasuk pengecaman imej dan pemahaman bahasa, " Pieter Buteneers, pengarah kejuruteraan dalam pembelajaran mesin dan AI di komunikasi syarikat Sinch, memberitahu Lifewire dalam temu bual e-mel. "Dengan pemprosesan bahasa semula jadi (NLP), sistem AI boleh mentafsir, menulis dan bercakap bahasa serta manusia, malah AI boleh melaraskan dialek dan nadanya agar sejajar dengan rakan sebayanya."
Pintar Buatan
AI sering menghasilkan hasil tanpa menjelaskan sebab keputusan tersebut betul. Dan alatan yang membantu pakar memahami alasan model selalunya hanya memberikan cerapan, hanya satu contoh pada satu masa. AI biasanya dilatih menggunakan berjuta-juta input data, menjadikannya sukar untuk manusia menilai keputusan yang mencukupi untuk mengenal pasti corak.
Dalam kertas kerja baru-baru ini, para penyelidik mengatakan bahawa Shared Interest boleh membantu pengguna mendedahkan arah aliran dalam membuat keputusan model. Dan cerapan ini boleh membolehkan pengguna memutuskan sama ada model sedia untuk digunakan.
“Dalam membangunkan Minat Bersama, matlamat kami adalah untuk dapat meningkatkan proses analisis ini supaya anda dapat memahami pada tahap yang lebih global tentang tingkah laku model anda,” Angie Boggust, pengarang bersama kertas kerja, kata dalam siaran berita.
Minat Berkongsi menggunakan teknik yang menunjukkan cara model pembelajaran mesin membuat keputusan tertentu, yang dikenali sebagai kaedah saliency. Jika model mengklasifikasikan imej, kaedah kepentingan menyerlahkan kawasan imej yang penting kepada model apabila ia membuat keputusan. Minat Dikongsi berfungsi dengan membandingkan kaedah yang menonjol dengan anotasi yang dijana manusia.
Penyelidik menggunakan Minat Bersama untuk membantu pakar dermatologi menentukan sama ada dia harus mempercayai model pembelajaran mesin yang direka untuk membantu mendiagnosis kanser daripada foto lesi kulit. Minat Berkongsi membolehkan pakar dermatologi melihat dengan cepat contoh ramalan model yang betul dan salah. Pakar dermatologi memutuskan dia tidak boleh mempercayai model itu kerana ia membuat terlalu banyak ramalan berdasarkan artifak imej dan bukannya luka sebenar.
“Nilai di sini ialah menggunakan Minat Dikongsi, kami dapat melihat corak ini muncul dalam gelagat model kami. Dalam masa kira-kira setengah jam, pakar dermatologi dapat memutuskan sama ada untuk mempercayai model itu atau tidak dan sama ada untuk menggunakannya atau tidak,” kata Bogggust.
Alasan di sebalik keputusan model adalah penting kepada penyelidik pembelajaran mesin dan pembuat keputusan.
Mengukur Kemajuan
Kerja oleh penyelidik MIT boleh menjadi langkah penting ke hadapan untuk kemajuan AI ke arah kecerdasan peringkat manusia, Ben Hagag, ketua penyelidikan di Darrow, sebuah syarikat yang menggunakan algoritma pembelajaran mesin, berkata demikian kepada Lifewire dalam temu bual e-mel.
“Alasan di sebalik keputusan model adalah penting kepada penyelidik pembelajaran mesin dan pembuat keputusan,” kata Hagag. “Yang pertama mahu memahami betapa baiknya model itu dan bagaimana ia boleh dipertingkatkan, manakala yang kedua mahu mengembangkan rasa keyakinan terhadap model itu, jadi mereka perlu memahami mengapa output itu diramalkan.”
Tetapi Hagag memberi amaran bahawa penyelidikan MIT adalah berdasarkan andaian bahawa kita memahami atau boleh menjelaskan pemahaman manusia atau penaakulan manusia.
“Walau bagaimanapun, ada kemungkinan ini mungkin tidak tepat, jadi lebih banyak usaha untuk memahami pembuatan keputusan manusia diperlukan,” tambah Hagag.
Kemajuan dalam AI boleh mempercepatkan pembangunan keupayaan komputer untuk memahami bahasa dan merevolusikan cara AI dan manusia berinteraksi, kata Buteneers. Chatbots boleh memahami beratus-ratus bahasa pada satu masa, dan pembantu AI boleh mengimbas badan teks untuk jawapan kepada soalan atau penyelewengan.
“Sesetengah algoritma juga boleh mengenal pasti apabila mesej adalah penipuan, yang boleh membantu perniagaan dan pengguna untuk menghapuskan mesej spam,” tambah Buteneers.
Tetapi, kata Buteneers, AI masih melakukan beberapa kesilapan yang tidak pernah dilakukan oleh manusia. “Walaupun sesetengah pihak bimbang AI akan menggantikan pekerjaan manusia, hakikatnya kita akan sentiasa memerlukan orang yang bekerja bersama bot AI untuk membantu mengawal mereka dan mengelakkan kesilapan ini sambil mengekalkan sentuhan manusia dalam perniagaan,” tambahnya.
