Mennesker og maskiner kan forbedre nøjagtigheden, når de arbejder sammen

Uanset om kunstige intelligenssystemer stjæler menneskers job eller skaber nye arbejdsmuligheder, folk bliver nødt til at arbejde sammen med dem.

I min forskning bruger jeg sensorer og computere til at overvåge, hvordan hjernen selv behandler beslutningstagning. Sammen med en anden hjerne-computer grænsefladeforsker, Riccardo Poli, Jeg kiggede på et eksempel på muligt samarbejde mellem mennesker og maskiner-situationer, hvor politi og sikkerhedspersonale bliver bedt om at holde øje med en bestemt person, eller mennesker, i et overfyldt miljø, såsom en lufthavn.

Det virker som en ligetil anmodning, men det er faktisk virkelig svært at gøre. En sikkerhedsofficer skal overvåge flere overvågningskameraer i mange timer hver dag, leder efter mistænkte. Gentagne opgaver som disse er tilbøjelige til menneskelige fejl.

Nogle mennesker foreslår, at disse opgaver skal automatiseres, da maskiner ikke keder sig, træt eller distraheret over tid. Imidlertid, computer vision -algoritmer, der har til opgave at genkende ansigter, kan også begå fejl. Som min forskning har fundet, sammen, maskiner og mennesker kunne gøre meget bedre.

To typer kunstig intelligens

Vi har udviklet to AI -systemer, der kan hjælpe med at identificere målflader i overfyldte scener. Den første er en ansigtsgenkendelsesalgoritme. Det analyserer billeder fra et sikkerhedskamera, identificerer hvilke dele af billederne, der er ansigter, og sammenligner disse ansigter med et billede af den person, der søges. Når den identificerer et match, denne algoritme rapporterer også, hvor sikker den er på den beslutning.

Det andet system er en hjerne-computer-grænseflade, der bruger sensorer på en persons hovedbund, leder efter neural aktivitet relateret til tillid til beslutninger.

Vi gennemførte et eksperiment med 10 menneskelige deltagere, viser hver af dem 288 billeder af overfyldte indendørs miljøer. Hvert billede blev vist i kun 300 millisekunder - cirka så længe det tager et øje at blinke - hvorefter personen blev bedt om at beslutte, om de havde set en bestemt persons ansigt eller ej. Gennemsnitlig, de var i stand til korrekt at skelne mellem billeder med og uden målet i 72 procent af billederne.

Når vores helt autonome AI -system udførte de samme opgaver, det klassificerede korrekt 84 procent af billederne.

Human-AI samarbejde

Alle mennesker og den selvstændige algoritme så de samme billeder, så vi søgte at forbedre beslutningstagningen ved at kombinere handlinger fra mere end en af ​​dem ad gangen.

At flette flere beslutninger til en, vi vægtede individuelle svar ved beslutningstro-algoritmens selvestimerede tillid, og målingerne fra menneskers hjerneaflæsninger, transformeret med en machine-learning algoritme. Vi fandt ud af, at en gennemsnitlig gruppe af bare mennesker, uanset hvor stor gruppen var, klarede sig bedre end det gennemsnitlige menneske alene - men var mindre præcis end algoritmen alene.

Imidlertid, grupper, der omfattede mindst fem personer og algoritmen var statistisk signifikant bedre end mennesker eller maskine alene.

At holde folk i løkken

Det bliver lettere at parre mennesker med computere. Nøjagtige edb -visions- og billedbehandlingsprogrammer er almindelige i lufthavne og andre situationer. Omkostningerne falder for forbrugersystemer, der læser hjerneaktivitet, og de leverer pålidelige data.

Samarbejde kan også hjælpe med at afhjælpe bekymringer om etik og forspænding ved algoritmiske beslutninger, samt juridiske spørgsmål om ansvarlighed.

I vores undersøgelse, mennesker var mindre præcise end AI. Imidlertid, hjerne-computer-grænsefladerne observerede, at folk var mere sikre på deres valg end AI var. Kombination af disse faktorer tilbød en nyttig blanding af nøjagtighed og tillid, hvor mennesker normalt påvirker gruppebeslutningen mere end det automatiserede system gjorde. Når der ikke er enighed mellem mennesker og AI, det er etisk enklere at lade mennesker bestemme.

Vores undersøgelse har fundet en måde, hvorpå maskiner og algoritmer ikke behøver - og faktisk ikke bør - erstatte mennesker. Hellere, de kan arbejde sammen med mennesker for at finde det bedste af alle mulige resultater.

Denne artikel er genudgivet fra The Conversation under en Creative Commons -licens. Læs den originale artikel.