Автор: 
Американские исследователи представили новую математическую модель, которая может повысить производительность искусственного интеллекта, объединив человеческие и алгоритмические прогнозы и доверительные оценки. По отдельности человеческий и искусственный интеллект периодически ошибаются в разных тестах, но их объединение может привести к созданию первого сильного ИИ. Исследование опубликовано в журнале PNAS.
Человеческие и машинные алгоритмы имеют взаимодополняющие сильные и слабые стороны. Каждый из них использует различные источники информации и стратегии для составления прогнозов и принятия решений. Используя теоретические расчёты и эксперименты, исследователи показали, что люди могут улучшить предсказания искусственного интеллекта, даже когда человеческая точность несколько ниже точности ИИ — и наоборот. И эта точность выше, чем объединение предсказаний двух людей или двух алгоритмов искусственного интеллекта.
Чтобы проверить эту концепцию, исследователи провели эксперимент по классификации изображений, в котором люди и компьютерные алгоритмы работали отдельно друг от друга. Им нужно было правильно идентифицировать искажённые изображения животных и предметов быта — стульев, бутылок, велосипедов, грузовиков. Люди и ИИ оценивали свою уверенность в точности идентификации каждого изображения как низкую, среднюю или высокую.
Результаты показали большие различия в точности распознавания между людьми и алгоритмами искусственного интеллекта в этом тесте: в некоторых случаях люди с высокой вероятностью утверждали, что на картинке стул, тогда как алгоритм был сбит с толку, в других случаях отмечалось обратное. Когда предсказания и доверительные оценки людей и компьютера были объединены, гибридная модель показала лучшую производительность, чем одиночные предсказания человека или машины. Грубо говоря, учёным удалось достичь синергии между человеком и машиной. Эти достижения могут помочь разработать более совершенные человекоподобные алгоритмы.
