行業新聞早知道，點讚關注不迷路！
從回答稅務問題的聊天機器人，到自動駕駛汽車和提供醫療診斷的算法等等，人工智能支撐着日常生活的許多方面。爾灣加利福尼亞大學的研究人員認為，創建更智能、更精確的系統需要一種混合的人機交互方法。人機交互是一門研究系統和用戶之間的交互關係的技術。這裡的系統既是計算機的操作系統和軟件，也是日常生活中各種各樣的機器。簡單來說，人機交互就是人與實物的自然「溝通」，其核心研究有2點：一、人機交互技術需要考慮不同用戶的使用習慣；二、人機交互技術的發展要充分考慮到人機交互界面的變化。在人機交互發展過程中，主要涉及到4類主要技術：語音交互技術、圖像識別技術、AR和VR以及近幾年大火的體感交互技術。在這4類技術中，語音交互的優勢最為明顯，輸入效率高且交互方式更自然，更容易拓寬產品的使用場景；圖像識別技術常常被用於自動駕駛和安防領域，用於路面情況檢測識別和人體面部識別等；AR和VR技術主要營造的是一種沉浸感，不僅有交互，還有顯示和移動；體感技術是指人們可以很直接地使用肢體動作，與周邊的裝置或環境互動，而無需使用任何複雜的控制設備，便可讓人們身臨其境地與內容做互動。上面簡單提到人機交互，而對於混合的人機交互模式，在本月發表在《美國國家科學院院刊》上的一項研究中，他們提出了一種新的數學模型，可以通過結合人類和算法預測以及置信度得分來提高性能。UCI認知科學教授馬克·斯泰弗斯（Mark Steyvers）說：「人類和機器算法有互補的優勢和劣勢。每種算法都使用不同的信息源和策略來進行預測和決策。我們通過經驗演示和理論分析表明，即使人類的準確度略低於人工智能，人類也可以改進人工智能的預測，反之亦然。這種準確度高於兩個人或兩個人工智能算法的預測組合。」為了測試該框架，研究人員進行了一項圖像分類實驗，其中人類參與者和計算機算法分別工作，以正確識別動物和日常物品的扭曲圖片——椅子、瓶子、自行車和卡車。人類參與者將他們對每個圖像識別準確度的信心分為低、中或高，而機器分類器生成了一個連續的分數。結果顯示，人類和人工智能算法在圖像中的置信度存在很大差異。例如，在某些情況下，人類參與者非常確信某張圖片中有一把椅子，而人工智能算法對圖片感到困惑，類似地，對於其他圖像，人工智能算法能夠自信地為顯示的對象提供標籤，而人類參與者不確定扭曲的圖像是否包含任何可識別的對象。」雖然過去的研究已經證明了結合機器預測或結合人類預測的好處，即所謂的『群體智慧』——但這項工作為證明人類和機器預測相結合的潛力開闢了一個新方向，指出了人類人工智能協作的新方法和改進方法。人和機器之間最大的命題不應是誰發明誰，誰控制誰的問題。這不是最核心的問題，最核心的命題應該是兩者之間最大的區別，就是彼此的互不可替代性，由於彼此不可替代，所以最好的結果是協作——人類可以開發、訓練和管理各類AI應用，從而確保AI系統真正成為人類的好幫手。同時，機器可以使人類突破自身極限，拓展自身能力，例如實時處理和分析來自不同來源的海量數據。換言之，機器也能夠賦能於人。人和機器協作，提高效率，這就是人機同行的美好世界。END
鑽石舞台 發表在 痞客邦 留言(0) 人氣()
留言列表
留言列表