Un sistema híbrido, compuesto por predicciones humanas y algoritmos de inteligencia artificial.
El equipo interdisciplinario en la Universidad de California, Irvine, en las áreas de Inteligencia Artificial, Derecho y Sociedad, presentó un nuevo modelo matemático que podría optimizar el rendimiento de los sistemas de IA.
Esta mejora es posible combinando 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”, comentó el coautor de esta investigación, Mark Steyvers, profesor de ciencias cognitivas de la UCI. “Mostramos a través de demostraciones empíricas y análisis teóricos 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”.
Durante los ensayos del este nuevo sistema híbrido, el equipo experimentó probando con clasificación de imágenes, donde humanos y algoritmo trabajaron por separados. Las imágenes estaban distorsionadas y debían ser identificadas correctamente.
El sistema presentó una puntuación continua mientras que los participantes humanos clasificaron en la precisión de la identificación de cada imagen como baja, media o alta, estos resultados alojaron las 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 informática de la UCI Chancellor. “Del mismo modo, para otras imágenes, el algoritmo de IA pudo proporcionar con confianza una etiqueta para el objeto que se muestra, mientras que los participantes humanos no estaban seguros de si la imagen distorsionada contenía algún objeto reconocible”.
El modelo híbrido condujo a un mejor rendimiento que el que lograron las predicciones humanas o de la máquina por separado. "Aunque investigaciones anteriores han demostrado las ventajas de combinar las predicciones de las máquinas o de combinar las predicciones de los humanos -la llamada 'sabiduría de las multitudes'-, este trabajo forja una nueva dirección al demostrar el potencial de combinar las predicciones de los humanos y de las máquinas, apuntando a nuevos y mejores enfoques de la colaboración entre humanos e inteligencia artificial", dijo Smyth.
Esta convergencia podría desarrollar sistemas artificialmente inteligentes más precisos y aplicables a nuevos ámbitos.
Puede leer sobre el estudio en https://news.uci.edu/2022/03/07/uci-researchers-develop-hybrid-human-machine-framework-for-building-smarter-ai/
