توسعه پلتفرم نوآورانه پلتفرم برای تیم سازی انسان و هوش مصنوعی

به گزارش گروه دانشگاه خبرگزاری دانشجو، به نقل از تک اکسپلور؛ هوش مصنوعی (AI) قبلاً به یک شریک نامرئی، اما ضروری در زندگی ما تبدیل شده است. این به فیلتر کردن هرزنامه از صندوق ورودی شما کمک می‌کند، توصیه‌های Netflix را بهبود می‌بخشد، و به‌عنوان خلبان خودرو، مسیر‌های بهینه را پیشنهاد می‌کند، نقاط کور را رصد می‌کند و به پارک کمک می‌کند.

این همکاری‌های یکپارچه بین افراد و هوش مصنوعی به ما این امکان را می‌دهد که کار‌های روزانه را کامل کنیم و به اهداف خود را به طور موثرتری دست یابیم. اما از آنجایی که تیم‌سازی انسان و هوش مصنوعی به بخشی جدایی ناپذیر از زندگی روزمره ما تبدیل می‌شود، سؤالات مهمی را مطرح می‌کند: انسان‌ها و هوش مصنوعی چه نقش‌هایی باید ایفا کنند تا بهترین مکمل یکدیگر باشند؟ چگونه اشکال مختلف بازخورد انسانی می‌تواند آموزش هوش مصنوعی را تسریع کند؟ سطح ایده‌آل اعتمادی که انسان‌ها باید به هوش مصنوعی داشته باشند برای تقویت همکاری بدون خطر اتکای بیش از حد چیست؟ چگونه می‌توانیم سوگیری تصمیم‌گیری را هم در انسان‌ها و هم در هوش مصنوعی برطرف کنیم تا مطمئن شویم که آنها یکدیگر را تقویت یا تقویت نمی‌کنند؟

برای مقابله با این سوالات مبرم و ارتقای درک ما از تیم‌سازی انسان و هوش مصنوعی، محققان دانشگاه دوک یک پلتفرم نوآورانه به نام CREW برای کمک به پاسخ به این سؤالات توسعه داده‌اند.

بویوان چن، استاد مهندسی مکانیک و علم مواد، مهندسی برق و کامپیوتر و علوم کامپیوتر در دوک، توضیح داد: “هدف هر تیمی از هوش مصنوعی و انسان این است که با تقویت روابط پویا، مشارکتی و سازگار، از نقاط قوت هر دو استفاده کند. ” او همچنین آزمایشگاه رباتیک عمومی دوک را هدایت می‌کند. “اما تا کنون، ما فاقد یک راه جامع برای مطالعه و بهبود این تعاملات بوده ایم. CREW آن را تغییر می‌دهد. “

CREW که در ۲۴ نوامبر در مجله Transactions of Machine Learning Research منتشر شد، ابزار همه کاره‌ای را برای کشف تفاوت‌های ظریف همکاری انسان و هوش مصنوعی در رشته‌های مختلف علمی در اختیار محققان قرار می‌دهد.

لینگیو ژانگ، نویسنده اصلی و دکترای سال اول توضیح داد: «CREW مانند یک زمین بازی مجازی غول‌پیکر است که در آن انسان‌ها و هوش مصنوعی می‌توانند با هم در کار‌های مختلف کار کنند. دانشجو در آزمایشگاه چن، اما به جای اینکه فقط برای سرگرمی بازی کنیم، از این بازی‌ها برای درک اینکه چگونه انسان‌ها و هوش مصنوعی می‌توانند به طور موثر با هم کار کنند، استفاده می‌کنیم.

پلتفرم CREW دارای چندین بازی از پیش ساخته شده، از جمله بولینگ، گنج یابی و پنهان کاری است که هر کدام برای کشف جنبه‌های مختلف همکاری طراحی شده اند. همچنین از ادغام وظایف سفارشی شده پشتیبانی می‌کند و محققان را قادر می‌سازد تا پلتفرم را با اهداف تحقیقاتی خاص خود تنظیم کنند.

برخلاف پلتفرم‌های موجود که عمدتاً بر عملکرد هوش مصنوعی تمرکز می‌کنند، CREW تأکید زیادی بر عنصر انسانی دارد. یکی از ویژگی‌های برجسته توانایی آن در گرفتن بازخورد پیوسته و ظریف از انسان است که فراتر از گزینه‌های اسکالر سنتی “خوب”، “بد” و “خنثی” حرکت می‌کند.

CREW با امکان دادن به کاربران برای قرار دادن مکان‌نمای ماوس روی مقیاس گرادیان و ارائه بازخورد در زمان واقعی هنگام انجام وظایف توسط هوش مصنوعی، تعامل غنی‌تری را تسهیل می‌کند. این رویکرد نه تنها کیفیت بازخورد انسان را افزایش می‌دهد، بلکه فرآیند یادگیری هوش مصنوعی را نیز به میزان قابل توجهی تسریع می‌کند و همکاری را مؤثرتر و سازگارتر می‌کند.

CREW همچنین رابط‌های پیشرفته‌ای را برای جمع آوری سیگنال‌های فیزیولوژیکی غیرفعال مانند حرکت چشم، فعالیت مغز، ضربان قلب، گفتار و متون نوشتاری ارائه می‌دهد. این مجموعه داده جامع، بینش عمیق‌تری را در مورد نحوه تعامل انسان با هوش مصنوعی ارائه می‌دهد و امکانات جدیدی را برای طراحی چارچوب‌های همکاری بین انسان و هوش مصنوعی بصری‌تر، سازگارتر و مؤثرتر می‌گشاید.

به عنوان بخشی از این تلاش، CREW مجموعه‌ای از تست‌های شناختی را که برای تعیین کمیت صفاتی طراحی شده‌اند که ممکن است بر کارایی تیم‌سازی تأثیر بگذارد، ترکیب می‌کند. در یک مطالعه معیار شامل ۵۰ بزرگسال، محققان دریافتند که برخی از مهارت‌های شناختی، مانند استدلال فضایی و تصمیم‌گیری سریع، به طور قابل‌توجهی بر میزان اثربخشی یک فرد با یک عامل هوش مصنوعی در کار‌های خاص تأثیر می‌گذارند.

چن می‌گوید: «این نتایج احتمالات هیجان‌انگیزی مانند افزایش توانایی‌های انسانی از طریق آموزش هدفمند و شناسایی عوامل جدیدی را که به راهنمایی مؤثر هوش مصنوعی برای آموزش سریع‌تر و پاسخ‌گویانه‌تر هوش مصنوعی کمک می‌کنند، نشان می‌دهد.» آنها همچنین به پتانسیل توسعه چارچوب‌های آموزشی سازگارتر اشاره می‌کنند که نه تنها هوش مصنوعی را بهبود می‌بخشد، بلکه مهارت‌های انسانی را نیز افزایش می‌دهد و راه را برای تیم‌های هوش مصنوعی قوی‌تر و مشارکت‌کننده‌تر هموار می‌کند.»

CREW کاملاً منبع باز است و از محققان در سراسر جهان دعوت می‌کند تا احتمالات جدید در همکاری انسان و هوش مصنوعی را بررسی کنند. هدف به‌روزرسانی‌های آینده معرفی وظایف متنوع‌تر، از جمله سناریو‌های چندنفره با استراتژی‌های پیچیده و محیط‌های مبتنی بر فیزیک رباتیک است. این پلتفرم همچنین قصد دارد پردازش و تجزیه و تحلیل داده‌های فیزیولوژیکی انسان را بهبود بخشد و تحقیقات تیم‌سازی انسان و هوش مصنوعی را بیشتر کند.

ژانگ مشتاقانه می‌گوید: «ما فقط سطح را می‌خراشیم. پتانسیل همکاری انسان و هوش مصنوعی بسیار زیاد است و CREW ابزار‌هایی را در اختیار ما قرار می‌دهد تا به طور سیستماتیک آن را بررسی کنیم و در عین حال فعالانه آن را شکل دهیم تا اطمینان حاصل شود که این مشارکت‌ها توانایی‌های انسانی را افزایش می‌دهند نه جایگزینی آنچه ما را منحصراً انسان می‌سازد.»

چندین دانشگاه، مؤسسه تحقیقاتی و سازمان‌های دولتی قبلاً آزمایش CREW را در تحقیقات خود آغاز کرده اند. در همین حال، تیم آزمایشگاه رباتیک ژنرال دوک نیز به طور فعال در تلاش است تا تلاش‌های خود را برای تحقیقات گروهی مقیاس‌پذیرتر و تعاملی‌تر بین انسان و هوش مصنوعی گسترش دهد.