什么是以人为中心的人工智能?

啁啾
推特
LinkedIn
共有
脸谱网
fb共享图标

人工智能的未来需要人的触摸

人工智能技术的迅速发展已经引起了人们对其改善我们日常生活的潜力的极大关注。因此,人工智能专家们经常围绕着在我们的社会中利用人工智能的最佳方式进行对话,并从对话中产生了以人为中心的人工智能方法。以人为中心的人工智能不是用机器代替人,而是用机器来增强人的体验。

在以人为中心的人工智能中,人的输入始终处于设计和构建过程的中心。这种方法利用了人和机器的优势,使它们能够以一种相互减少盲点的方式进行协作。以人为中心的人工智能是以人们的福祉为出发点创建的,专注于将无缝集成到我们生活中的技术,以改善我们的整体体验。这是一种弥合人与机器之间差距的手段,对两者都有利。

以人为中心还是自主的人工智能

我们正处于人工智能讨论的关键时刻,有两种方法可以最终构建机器学习模型。一种是以人为中心的方法,而另一种是将机器自治的世界可视化。在后一种情况下,机器可以在没有人工干预的情况下处理任务,因为从理论上讲,机器没有人类固有的偏见(事实证明,这并不完全正确,但稍后会有更多的讨论)。这种方法假设算法可以快速准确地做出自主决策,而人类并不总是逻辑思维或快速思维。因此,自动机器的效率更高。

以人为中心的人工智能方法回应了自主方法,声称机器永远无法取代人类的关键属性,例如我们的智力和创造力的全部广度。人类必须拒绝算法的完全控制,而是在指导补充和强化的解决方案中占据主导地位以人为中心的方法提倡在机器和人之间进行更有效的体验,即在解决方案的开发和实施过程中始终牢记人的安全和健康。

什么是以人为中心的人工智能?

以人为中心的人工智能的好处

将人工智能视为机器和人类之间的协作可以为企业、客户和社会带来许多积极的结果。

个性化的客户体验

当我们与技术互动时——无论是聊天机器人、个性化电子邮件、针对我们需求定制的社交网络,还是工作完美的搜索栏,如果互动是专门针对我们和我们的需求的,我们会感到更加满意。但是,只有在我们的需求和行为得到满足的情况下,这样的个性化才会发生在技术开发过程中予以考虑。基于人文科学的人工智能开发将导致提供更丰富、满足客户体验的产品。

知情决定

如前所述,以人为中心的方法利用了人和机器的优势,以克服各自固有的弱点。其结果是基于人的价值构建了更精确的算法。反过来,企业受益于能够做出高度知情的决策,从而有可能实现最佳结果–thr通过预测分析在关键任务用例中的应用,例如云操作。

更加包容

如果你认为算法是解决人类偏见问题的答案,事实并非如此:算法实际上可以延续和扩大偏见通过反馈回路。如果不加以检查,有偏见的算法将无法提供客观、中立的决策,如果算法在假释、贷款和求职等方面做出重要的社会决策,这一点尤其危险。

以人为中心的方法在构建人工智能时让人处于循环中,以便他们能够监控算法决策中的偏差。该方法实现了一个制衡系统,其中人和机器都不是完全自主的,因此更容易确定使结果更具包容性的方法。

可靠性

虽然仅仅依靠算法似乎是更好、更可预测的选择,但以人为中心的人工智能方法提供了更可靠的解决方案。如果人类越来越依赖于完全自主的算法,当这些算法不起作用时,我们将失去处理情况的能力。人们应该始终在边缘案例中充当后盾,AI不确定如何响应或错误响应——不管使用情况如何。通过保持人工智能以人为中心,我们将避免被迫依赖有时会失败的算法的问题结果。

如何构建以人为本的人工智能

我们已经从理论上讨论了以人为中心的人工智能,但是您如何在您的组织中实际实施这种方法?在人工智能开发过程中,您可以采取一些关键步骤,帮助您达到以人为中心的人工智能所需的平衡水平。

利用Human-in-the-Loop

这个人在回路方法与以人为中心的人工智能携手并进。这意味着在构建ML模型的整个训练、测试和调优过程中,人类都参与其中。例如,人类可以标记用于帮助模型学习识别哪些特征的训练数据。人类还可以验证模型预测的准确性,并在模型出错时向模型提供反馈。换句话说,人类是模型持续反馈循环的一部分。

现在有了更先进的工具,可以进一步促进人与机器之间的协作。例如,在注释过程中,算法可以为给定标签提供初始最佳猜测或假设。然后,注释者可以使用它来确定自己的判断。算法还可以在提交作业之前验证注释者的判断。这些类型的工具使注释器和算法能够以最大程度提高工作精度和效率的方式协同工作。

注意人类和算法的偏见

在人工智能开发中,对偏见的认识是非常重要的,它可以确保你不会过于依赖人类的判断或机器的判断。考虑一下您的团队可能无意中引入到您的算法中的偏见,并计划缓解步骤以确保不会发生这种情况。算法可以用于补偿人类盲点,但也要确保始终如一地监控模型的输出偏差;机器有时会放大人类的偏见。

构建多元化的团队

在前一点的基础上,当人工智能由不同的团队构建时,它倾向于减少偏见。更同质的团队通常有类似的盲点、偏见和其他差距,这些差距最终可能会反映在模型中。这也不是专门针对开发人员的。至关重要的是,您选择的注释数据的人员至少具有人口统计多样性,并且根据您的用例具有地理多样性。这为更多不同的意见打开了流程,这将导致更具包容性的人工智能。

想想你的客户

以人为本的方法依赖于以人的经验为中心。当你开发一个人工智能产品时,你希望最终的结果是提高和积极地增加你客户的生活。您希望深入了解他们是谁(包括他们的人口统计、背景、需求和位置,以及其他标识符),以及他们将如何使用您的技术。让一部分最终用户参与模型构建的测试和验证过程是获取他们反馈的好方法。您可能认为您的产品将以一种方式使用,但却发现最终用户使用它的方式非常不同。了解这一点的唯一方法是直接使用它们进行测试。

明智地使用自治权

需要注意的是,机器自主性有时在人工智能中确实有其地位。在一些用例中,机器完全控制决策是非常理想的,特别是在涉及人身安全的情况下。自动驾驶汽车就是一个例子。人工驾驶容易发生事故(超过100万人(全世界每年都有人死于车祸),而且决策者一般都很差劲。全自动车辆有望代表人类驾驶员做出更高效、更安全的决策,并可能成为一个主要应采用自主性的用例。在这成为现实之前,人类和机器智能的结合可能是让道路对每个人都更安全的一种方式。换句话说,机器自治可以明智地应用于更敏感的用例。

推进以人为中心的人工智能方法

我们所有人都有责任在人工智能中进行更多的对话,这将对我们的社会产生积极的影响。我们参与的对话能够并且确实影响AI从业者的优先事项和行动。我们需要提倡公平的人工智能,为所有使用人工智能的人提供净收益,在整个开发过程中始终牢记这些最终用户。在可能的情况下,企业参与知识共享也很重要,这可以增强对以人为本方法的信心。

随着人工智能技术的快速发展,讨论我们如何与人工智能合作和使用人工智能比以往任何时候都更为重要。最终,我们希望创造一个技术景观,让机器增强而不是取代人类。

资深数据科学家Phoebe Liu的专家见解

在Appen,我们有一个专家团队,帮助我们的客户利用以人为中心的人工智能构建尖端模型,满足他们的培训数据需求。资深数据科学家菲比·刘(Phoebe Liu)带领团队确保阿彭在人群诚信方面坚持严格的标准。以下是她关于构建以人为中心的人工智能的想法和建议:

测试并理解人机交互

理解和测试人与人工智能的交互对于成功的用户体验至关重要。对于自动语音识别,使用不同口音和不同说话方式的说话人进行测试。对于chatbot和voice AI中的NLU,请与自然交互的用户进行测试,就像与其他人聊天一样。在真实环境中进行用户测试越多,用户与AI系统之间的交互就越顺畅。

以人为中心的人工智能是多学科的

它汇集了来自不同领域的学者和实践者:工程师、心理学家、设计师、人类学家、社会学家以及其他领域的专家。创建一个成功的以人为中心的人工智能涉及多个领域的合作,以开发硬件或软件,分析用户在不同社会环境中与人工智能交互时的行为,以及特定应用所需的领域知识。由于不同的专业术语和实践,这种协作可能会很困难。然而,众多参与者对以人为中心的人工智能的共同兴趣,是他们熟悉和尊重获取知识的各种方式的强烈动机。

考虑特定的人工智能任务

人工智能是一种由人建造的工具,因此,重要的是要考虑在设计阶段它试图模仿人类智能的具体任务。在设计系统时,我们需要将重点放在系统试图模拟的特定功能上——例如,语音助手能够回答实际问题,但不能在雪地路况下自主导航。当我们设计以人为中心的人工智能时,我们首先要考虑AI试图完成的任务是否可以被学习,因为客观的真实存在,如果不是,如何利用人类的专业知识来优化或增加人工智能系统。

我们能为您做些什么

在Appen,我们充分利用人类和机器的智能,提供高质量的带注释的培训数据。我们的数据注释平台支持世界上最具创新性的机器学习和业务解决方案。我们的许多注释工具都具有智能标签这些功能利用机器学习模型自动标记,并使贡献者能够快速、更准确地工作。我们重视人工智能的人在回路方法,并在我们所做的所有工作中以人为中心。

我们理解当今组织的复杂需求。25年来,Appen以235多种语言和方言向政府机构和世界最大的公司提供最高质量的数据和服务。

直接与某人谈论您的数据需求,联系我们今天

网站部署人工智能与世界级的训练数据
语言