Bài học rút ra chính
- Các nhà nghiên cứu đã tạo ra các kỹ thuật cho phép người dùng xếp hạng kết quả của hành vi của mô hình học máy.
- Các chuyên gia nói rằng phương pháp này cho thấy máy móc đang bắt kịp khả năng tư duy của con người.
- Những tiến bộ trong AI có thể tăng tốc độ phát triển khả năng hiểu ngôn ngữ của máy tính và cách mạng hóa cách AI và con người tương tác.
Một kỹ thuật mới đo lường khả năng suy luận của trí tuệ nhân tạo (AI) cho thấy máy móc đang bắt kịp con người về khả năng suy nghĩ của chúng.
Các nhà nghiên cứu tại MIT và IBM Research đã tạo ra một phương pháp cho phép người dùng xếp hạng kết quả của hành vi của mô hình học máy. Kỹ thuật của họ, được gọi là Sở thích được chia sẻ, kết hợp các số liệu so sánh mức độ phù hợp với suy nghĩ của một người mẫu.
"Ngày nay, AI có khả năng đạt (và trong một số trường hợp, vượt quá) hiệu suất của con người trong các tác vụ cụ thể, bao gồm nhận dạng hình ảnh và hiểu ngôn ngữ," Pieter Buteneers, giám đốc kỹ thuật về máy học và AI tại bộ phận truyền thông công ty Sinch, nói với Lifewire trong một cuộc phỏng vấn qua email. "Với xử lý ngôn ngữ tự nhiên (NLP), các hệ thống AI có thể thông dịch, viết và nói ngôn ngữ cũng như con người và AI thậm chí có thể điều chỉnh phương ngữ và giọng điệu của mình để phù hợp với đồng nghiệp của con người".
Trí tuệ nhân tạo
AI thường tạo ra kết quả mà không giải thích tại sao những quyết định đó là đúng. Và các công cụ giúp các chuyên gia hiểu được lý luận của mô hình thường chỉ cung cấp thông tin chi tiết, mỗi lần chỉ cung cấp một ví dụ. AI thường được đào tạo bằng cách sử dụng hàng triệu dữ liệu đầu vào, khiến con người khó đánh giá đủ các quyết định để xác định các mẫu.
Trong một bài báo gần đây, các nhà nghiên cứu nói rằng Sở thích được chia sẻ có thể giúp người dùng khám phá các xu hướng trong việc ra quyết định của một mô hình. Và những thông tin chi tiết này có thể cho phép người dùng quyết định xem một mô hình đã sẵn sàng để triển khai hay chưa.
“Khi phát triển Sở thích chung, mục tiêu của chúng tôi là có thể mở rộng quy trình phân tích này để bạn có thể hiểu ở cấp độ toàn cầu hơn về hành vi của mô hình của bạn,” Angie Boggust, đồng tác giả của bài báo, cho biết trong bản tin.
Shared Interest sử dụng một kỹ thuật cho thấy cách một mô hình học máy đưa ra một quyết định cụ thể, được gọi là phương pháp saliency. Nếu mô hình đang phân loại hình ảnh, các phương pháp saliency làm nổi bật các vùng của hình ảnh quan trọng đối với mô hình khi nó đưa ra quyết định. Sở thích chia sẻ hoạt động bằng cách so sánh các phương pháp độ mặn với các chú thích do con người tạo.
Các nhà nghiên cứu đã sử dụng Shared Interest để giúp bác sĩ da liễu xác định xem liệu anh ta có nên tin tưởng vào một mô hình máy học được thiết kế để giúp chẩn đoán ung thư từ hình ảnh các tổn thương trên da hay không. Sự quan tâm chung cho phép bác sĩ da liễu xem nhanh các ví dụ về các dự đoán đúng và sai của mô hình. Bác sĩ da liễu quyết định rằng ông không thể tin tưởng vào mô hình vì nó đưa ra quá nhiều dự đoán dựa trên các hiện vật hình ảnh hơn là các tổn thương thực tế.
“Giá trị ở đây là sử dụng Sở thích được chia sẻ, chúng tôi có thể thấy những mô hình này xuất hiện trong hành vi của mô hình của chúng tôi. Trong khoảng nửa giờ, bác sĩ da liễu đã có thể quyết định có tin tưởng vào mô hình hay không và có nên triển khai nó hay không,”Boggust nói.
Lý do đằng sau quyết định của một mô hình rất quan trọng đối với cả nhà nghiên cứu máy học và người ra quyết định.
Tiến độ đo lường
Công trình của các nhà nghiên cứu MIT có thể là một bước tiến quan trọng cho sự tiến bộ của AI đối với trí thông minh cấp độ con người, Ben Hagag, người đứng đầu nghiên cứu tại Darrow, một công ty sử dụng thuật toán học máy, nói với Lifewire trong một cuộc phỏng vấn qua email.
“Lý do đằng sau quyết định của một mô hình rất quan trọng đối với cả nhà nghiên cứu máy học và người ra quyết định,” Hagag nói. “Người đầu tiên muốn hiểu mô hình tốt như thế nào và nó có thể được cải thiện như thế nào, trong khi người đi sau muốn phát triển cảm giác tin tưởng vào mô hình, vì vậy họ cần hiểu tại sao đầu ra đó được dự đoán.”
Nhưng Hagag cảnh báo rằng nghiên cứu của MIT dựa trên giả định rằng chúng tôi hiểu hoặc có thể chú thích sự hiểu biết của con người hoặc lý luận của con người.
“Tuy nhiên, có khả năng điều này không chính xác, vì vậy cần phải nghiên cứu thêm về việc hiểu ra quyết định của con người,” Hagag nói thêm.
Những tiến bộ trong AI có thể tăng tốc độ phát triển khả năng hiểu ngôn ngữ của máy tính và cách mạng hóa cách AI và con người tương tác, Buteneers nói. Chatbots có thể hiểu hàng trăm ngôn ngữ cùng một lúc và trợ lý AI có thể quét nội dung văn bản để tìm câu trả lời cho các câu hỏi hoặc bất thường.
“Một số thuật toán thậm chí có thể xác định khi nào tin nhắn là gian lận, điều này có thể giúp các doanh nghiệp và người tiêu dùng loại bỏ tin nhắn rác,” Buteneers nói thêm.
Nhưng Buteneers nói, AI vẫn mắc một số sai lầm mà con người không bao giờ mắc phải. "Trong khi một số lo lắng rằng AI sẽ thay thế công việc của con người, thực tế là chúng ta sẽ luôn cần những người làm việc cùng với các bot AI để giúp kiểm tra và ngăn chặn những sai lầm này trong khi duy trì liên lạc của con người trong kinh doanh", ông nói thêm.
