Desde chatbots que responden preguntas sobre impuestos hasta algoritmos que conducen vehículos autónomos y brindan diagnósticos médicos, la inteligencia artificial sustenta muchos aspectos de la vida diaria. La creación de sistemas más inteligentes y precisos requiere un enfoque híbrido humano-máquina, según investigadores de la Universidad deCalifornia, Irvine En un estudio publicado este mes en Actas de la Academia Nacional de Ciencias, presentan un nuevo modelo matemático que puede mejorar el rendimiento al combinar predicciones humanas y algorítmicas y puntajes de confianza.
"Los algoritmos de humanos y máquinas tienen fortalezas y debilidades complementarias. Cada uno usa diferentes fuentes de información y estrategias para hacer predicciones y decisiones", dijo el coautor Mark Steyvers, profesor de ciencias cognitivas de la UCI. "Mostramos a través de demostraciones empíricas, así comoanálisis teóricos de que los humanos pueden mejorar las predicciones de la IA incluso cuando la precisión humana es algo inferior [a la de] la IA, y viceversa. Y esta precisión es mayor que la combinación de predicciones de dos individuos o dos algoritmos de IA".
Para probar el marco, los investigadores realizaron un experimento de clasificación de imágenes en el que participantes humanos y algoritmos informáticos trabajaron por separado para identificar correctamente imágenes distorsionadas de animales y elementos cotidianos: sillas, botellas, bicicletas, camiones. Los participantes humanos clasificaron su confianza en elprecisión de la identificación de cada imagen como baja, media o alta, mientras que el clasificador automático generó una puntuación continua. Los resultados mostraron grandes diferencias en la confianza entre los humanos y los algoritmos de IA en las imágenes.
"En algunos casos, los participantes humanos estaban bastante seguros de que una imagen en particular contenía una silla, por ejemplo, mientras que el algoritmo de IA estaba confundido acerca de la imagen", dijo el coautor Padhraic Smyth, profesor de ciencias informáticas de la UCI Chancellor's. "Del mismo modo, para otras imágenes, el algoritmo de IA pudo proporcionar con confianza una etiqueta para el objeto mostrado, mientras que los participantes humanos no estaban seguros de si la imagen distorsionada contenía algún objeto reconocible".
Cuando las predicciones y las puntuaciones de confianza de ambos se combinaron utilizando el nuevo marco bayesiano de los investigadores, el modelo híbrido generó un mejor rendimiento que las predicciones humanas o mecánicas logradas por sí solas.
"Si bien investigaciones anteriores han demostrado los beneficios de combinar predicciones de máquinas o combinar predicciones humanas, la llamada 'sabiduría de las multitudes', este trabajo forja una nueva dirección al demostrar el potencial de combinar predicciones humanas y de máquinas, señalandoa enfoques nuevos y mejorados para la colaboración humano-IA", dijo Smyth.
Este proyecto interdisciplinario fue facilitado por la Iniciativa Irvine en IA, Derecho y Sociedad. La convergencia de las ciencias cognitivas, que se centran en comprender cómo piensan y se comportan los humanos, con la informática, en la que se producen tecnologías,proporcionará más información sobre cómo los humanos y las máquinas pueden colaborar para construir sistemas de inteligencia artificial más precisos, dijeron los investigadores.
Los coautores adicionales incluyen a Heliodoro Tejada, estudiante de posgrado en ciencias cognitivas de la UCI, y Gavin Kerrigan, estudiante de doctorado en ciencias informáticas de la UCI.
El financiamiento para este estudio fue proporcionado por la Fundación Nacional de Ciencias bajo los números de premio 1927245 y 1900644 y el Centro de Investigación HPI en Aprendizaje Automático y Ciencia de Datos en UCI.
Fuente de la historia:
Materiales proporcionado por Universidad de California - Irvine. Nota: el contenido se puede editar por estilo y longitud.
referencia de diario:
Citar esta página:
Visita Nuevo científico for more global science stories >>>