Два в одном

Не секрет, что у человеческого и машинного интеллекта есть свои преимущества и недостатки. Можно сказать, что сила человеческого интеллекта — в его многоплановости, гибкости, способности ставить и решать задачи частично. Сила ИИ — в способности выжать оптимальный или максимальный результат из простых алгоритмов, заложенных в его конструкцию или управляющую программу. Здесь плюсы и минусы обоих дополняют друг друга. Один ум хорошо, а два лучше.

До сих пор исследователи разных областей науки достигали синергетического эффекта, объединяя однородные интеллекты. К примеру, на стройках коммунизма или в многоядерном компьютере. У математиков такие подходы проходят по категории «мудрость толпы». Оказалось, что нелинейная прибавка результата достижима и при суммировании разнородных интеллектов. Два ума лучше, даже если один из них искусственный.

Корректной математической организации такого подхода к решению различных статистических проблем, например классификации объектов или распознавания образов,  посвящена новая работа ученых из Калифорнийского университета в Ирвайне, которой руководили профессора Марк Стейверс (Mark Steyvers) и Падрайк Смит (Padhraic Smyth).

Группа разработала новую математическую модель, которая позволяла комбинировать человеческие и машинные решения задач на основе так называемой статистики Байеса. Подход проверили на эксперименте по классификации изображений, в котором люди и алгоритмы искусственных нейронных сетей идентифицировали искаженные изображения животных и бытовых предметов: стульев, бутылок, велосипедов, автомобилей. Люди присваивали своей уверенности в определении предмета один из трех уровней: низкий, средний или высокий. ИИ выдавал показатель в непрерывной шкале.

Результаты двух интеллектов иногда сильно отличались. И люди, и алгоритмы могли сильно ошибаться, причем в разные стороны. Когда же результаты были сведены новой статистикой воедино, то по числу правильных ответов гибридная модель превзошла результаты групп в отдельности.

Профессор Стейверс говорит, что теоретический анализ проблемы и ее эмпирическое применение показало, что люди могут уточнить предсказания машины даже тогда, когда точность их догадок ниже машинных. И наоборот, суммарная точность решения задачи оказалась выше, чем в случае двух человек или двух ИИ.

Оптимальное решение всегда требует гибридного подхода. Авторы указывают, что их математически корректный способ взаимодействия разнородных интеллектов применим к широкому спектру проблем, когда требуется классификация разных объектов человеком и машиной. Междисциплинарный проект спонсировала программа университета по изучению мышления и поведения человека с помощью компьютера для их успешного взаимодействия.

(Proceedings of the National Academy of Sciences, 119, 11 2022 - полный текст)