当人类和人工智能系统一起解决问题时，它们可以更好地工作。这是基于微软首席科学家埃里克霍威茨、微软研究院首席研究员埃切卡玛(Ece Kamar)和哈佛大学学生、微软研究院实习生布莱恩怀尔德(Brian Wilder)的研究。这篇论文似乎是今年3月微软任命霍伟慈为首席科学官以来，霍伟慈发表的第一篇论文。这也是微软历史上第一篇任命霍伟慈为首席科学官的论文。霍伟慈1993年加入微软，担任首席研究员，2017年至2020年领导微软研究院运营。

本月早些时候发表的这篇论文研究了人类和人工智能团队在两项计算机视觉任务上的表现：星系分类和乳腺癌转移检测。使用所提出的方法，人工智能模型确定哪些任务最适合人类执行，哪些任务最适合人工智能处理。

这种学习策略是优化的，结合了机器预测和人类的贡献。人工智能专注于人类难以解决的问题，人类能够解决的问题，机器可能难以解决。基本上不会有准确率很高的机器预测传递给人类。研究人员表明，联合训练可以提高星系分类模型的性能，损失减少21-73%，Camelot 16星系的性能提高多达20%。

论文：“孤立地优化机器学习性能忽略了人类专家可以提供补充观点的常见情况，尽管人类有自己的局限性，包括系统偏差。”“我们开发的方法旨在训练机器学习模型，以补充人类的优势，并考虑到咨询专家的成本。”虽然人机合作可以有很多种形式，但是这里我们重点关注的是机器的设定，即决定哪些实例需要人工输入，然后融合机器和人类的判断。"

这篇论文发表在5月1日的预印资源库arXiv上，题目是《学会补充人类》，延续了多年来人机交互与合作的工作。Kamar和Horvitz在2012年共同发表了一篇论文，展示了人工智能如何整合人类和机器劳动，并探讨了银河动物园与人类相比的性能。2007年，Horvitz致力于确定人类接待员何时应该通过自动化接待员系统干预客户对话。

“我们看到了在不同环境中研究人机互补性其他方面的机会，”论文写道。“当人机交互超越了询问人的答案，比如设置更复杂和重叠的交互，拥有不同程度的人类主动性和机器自主性，这个方向就包含了团队绩效的优化。”

在研究不同类型的团队合作时，OpenAI的研究人员观察了机器代理在《雷神3》和《捉迷藏》等游戏中的合作。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：