Kecerdasan Buatan sering dipandang tinggi kerana tiga kebolehan asasnya - kelajuan, perkaitan dan ketepatan. Gambar terang mereka mengambil alih dunia, menggantikan pekerjaan dan memenuhi matlamat automasi perusahaan sering dilukis dalam talian.
Tetapi biarlah kami memberi anda perspektif lain. Beberapa tragedi AI menarik yang menjadi berita tetapi tidak menjadi bualan.
- Sebuah syarikat penerbangan Kanada yang terkenal terpaksa membayar ganti rugi yang disebabkan oleh bot AInya kerana memberikan maklumat salah kepada pengguna pada masa yang genting.
- Model AI syarikat penyelesaian pengajaran secara autonomi menolak pemohon tertentu kerana umur mereka.
- Contoh kes mahkamah berhalusinasi ChatGPT yang tidak pernah wujud semasa perbicaraan apabila dokumen yang dikemukakan oleh peguam diperiksa.
- Model pembelajaran mesin terkenal yang direka bentuk untuk meramal dan mengesan kes COVID-19 dalam percubaan semasa pandemik mengesan segala-galanya kecuali virus yang dimaksudkan.
Kejadian seperti ini mungkin kelihatan lucu dan mengingatkan fakta bahawa AI bukan tanpa kelemahannya. Tetapi intipati topik ini ialah kesilapan sedemikian mencerminkan aspek kritikal dalam ekosistem pembangunan dan penggunaan AI - HITL or manusia-dalam-gelung.
Dalam artikel hari ini, kami akan meneroka maksud ini, kepentingannya dan kesan langsung latihan AI dalam memperhalusi model.
Apakah Maksud Human-in-the-loop Dalam Konteks AI?
Setiap kali kami menyebut dunia dipacu AI, kami serta-merta membayangkan manusia digantikan oleh bot, robot dan peralatan pintar dalam persediaan Industri 4.0. Ini hanya sebahagiannya benar kerana manusia di bahagian hadapan akan digantikan oleh model AI, bermakna peningkatan kritikal mereka di bahagian belakang.
Contoh dunia sebenar yang kami mulakan menulis dengan mengarahkan kami kepada satu inferens - kekurangan latihan model atau lemah jaminan kualiti protokol semasa peringkat latihan AI. Seperti yang kita tahu sebenarnya Ketepatan model AI adalah berkadar terus dengan kualiti set data latihan dan amalan pengesahan yang ketat, gabungan adalah penting untuk model bukan sahaja berfungsi dengan betul tetapi secara konsisten membina kelemahan mereka dan mengoptimumkan untuk hasil yang lebih baik.
Ia adalah tepat apabila model AI meraba-raba dengan tujuan yang dimaksudkan adalah di mana jurang kebolehpercayaan AI bermula. Walau bagaimanapun, seperti bagaimana dualiti adalah inti dari alam semula jadi dan segala-galanya di sekeliling kita, ini juga di mana HITL menjadi tidak dapat dielakkan.
Erti yang
Model AI berkuasa tetapi tidak boleh salah. Mereka terdedah kepada beberapa kebimbangan dan kesesakan seperti:
Had data
di mana kekurangan ketersediaan set data latihan berkualiti menyekat model daripada belajar dengan cekap seperti yang sepatutnya
Pincang algoritma
diperkenalkan secara sukarela atau tidak kerana input set data sebelah pihak atau kecacatan dalam kod dan modelnya
Senario Tidak Dijangka
yang melibatkan pengecualian dan gangguan teknikal pakar dan pihak berkepentingan tidak boleh meramal atau memikirkan untuk menghasilkan langkah pembetulan baharu daripada inferens yang timbul dan banyak lagi
Dalam ekosistem pembangunan AI, khususnya, fasa latihan model AI, adalah menjadi tanggungjawab manusia untuk mengesan dan mengurangkan kebimbangan tersebut dan membuka jalan bagi pembelajaran dan prestasi model yang lancar. Mari kita pecahkan lagi tanggungjawab manusia.
Pendekatan Strategik Didayakan Manusia Untuk Membetulkan Jurang Kebolehpercayaan AI
Penempatan Pakar
Terpulang kepada pihak berkepentingan untuk mengenal pasti kelemahan model dan memperbaikinya. Manusia dalam bentuk PKS atau pakar adalah kritikal dalam memastikan butiran rumit ditangani. Sebagai contoh, apabila melatih model penjagaan kesihatan untuk pengimejan perubatan, pakar daripada spektrum seperti ahli radiologi, juruteknik imbasan CT dan lain-lain mesti menjadi sebahagian daripada projek jaminan kualiti untuk membenderakan dan meluluskan hasil daripada model.
Keperluan Untuk Anotasi Kontekstual
Latihan model AI bukan apa-apa tanpa data beranotasi. Seperti yang kita ketahui, anotasi data menambah konteks dan makna pada data yang sedang disuap, membolehkan mesin memahami elemen berbeza dalam set data - sama ada video, imej atau hanya teks. Manusia bertanggungjawab untuk menyediakan model AI dengan konteks sedemikian melalui anotasi, penyusunan set data dan banyak lagi.
Mandat XAI
Model AI adalah analitikal dan separa rasional. Tetapi mereka tidak beremosi. Dan konsep abstrak seperti etika, tanggungjawab, dan keadilan lebih cenderung kepada tangen emosi. Inilah sebabnya kepakaran manusia dalam AI fasa latihan adalah penting untuk memastikan penghapusan berat sebelah dan mencegah diskriminasi.
Pengoptimuman Prestasi Model
Walaupun konsep seperti pembelajaran diperkukuh wujud dalam latihan AI, kebanyakan model digunakan untuk menjadikan kehidupan manusia lebih mudah dan lebih mudah. Dalam pelaksanaan seperti penjagaan kesihatan, automotif atau fintech, peranan manusia adalah penting kerana ia sering berkaitan dengan sensitiviti hidup dan mati. Lebih ramai manusia terlibat dalam ekosistem latihan, lebih baik dan lebih beretika model melaksanakan dan menyampaikan hasil.
Jalan kehadapan
Memastikan manusia masuk pemantauan model dan fasa latihan adalah meyakinkan dan memberi ganjaran. Walau bagaimanapun, cabaran timbul semasa fasa pelaksanaan. Selalunya, perusahaan gagal mencari PKS tertentu atau sepadan dengan keperluan volum manusia apabila ia berkaitan dengan keupayaan pada skala.
Dalam kes sedemikian, alternatif paling mudah ialah bekerjasama dengan penyedia data latihan AI yang dipercayai seperti Shaip. Perkhidmatan pakar kami bukan sahaja melibatkan sumber data latihan yang beretika tetapi juga ketat jaminan kualiti metodologi. Ini membolehkan kami menyampaikan set data ketepatan dan berkualiti tinggi untuk keperluan khusus anda.
Untuk setiap projek yang kami usahakan, kami memilih sendiri PKS dan pakar daripada aliran dan industri yang berkaitan untuk memastikan anotasi data kedap udara. Dasar jaminan kami juga seragam merentas pelbagai format set data yang diperlukan.
Untuk mendapatkan data latihan AI berkualiti premium untuk projek anda, kami mengesyorkan agar anda menghubungi kami hari ini.
