La presencia de inteligencia artificial en cada vez más aspectos de la tecnología que nos rodea, plantea el desafío de desarrollar sistemas más inteligentes, que sean capaces de resolver situaciones más complejas.
Un estudio recientemente presentado, dio a conocer un nuevo modelo matemático que puede mejorar el rendimiento de los sistemas de IA, al combinar predicciones humanas y algorítmicas y puntajes de confianza.
Combinando las capacidades humanas con las virtuales
Este proyecto surgió gracias a un esfuerzo interdisciplinario en la Universidad de California, Irvine, en las áreas de Inteligencia Artificial, Derecho y Sociedad. La convergencia de las ciencias cognitivas, que se centran en comprender cómo piensan y se comportan los humanos, con la informática, en la que se producen tecnologías, proporcionará una mayor comprensión de cómo los humanos y las máquinas pueden colaborar para construir sistemas de inteligencia artificial más precisos, según plantean los investigadores.
Existe una especial motivación para optar por este enfoque de investigación. «Los algoritmos de humanos y máquinas tienen fortalezas y debilidades complementarias. Cada uno usa diferentes fuentes de información y estrategias para hacer predicciones y decisiones», dijo el coautor de esta investigación, Mark Steyvers, profesor de ciencias cognitivas de la UCI. «Mostramos a través de demostraciones empíricas y análisis teóricos que los humanos pueden mejorar las predicciones de la IA incluso cuando la precisión humana es algo inferior a la de la IA, y viceversa. Y esta precisión es mayor que la combinación de predicciones de dos individuos o dos Algoritmos de IA».
Para probar el marco propuesto, los investigadores realizaron un experimento de clasificación de imágenes en el que los participantes humanos y los algoritmos informáticos trabajaron por separado para identificar correctamente imágenes distorsionadas de animales y elementos cotidianos, como sillas, botellas, bicicletas y camiones. Los participantes humanos clasificaron su confianza en la precisión de la identificación de cada imagen como baja, media o alta, mientras que el clasificador automático generó una puntuación continua. Los resultados mostraron grandes diferencias en la confianza entre los humanos y los algoritmos de IA en las imágenes.
«En algunos casos, los participantes humanos estaban bastante seguros de que una imagen en particular contenía una silla, por ejemplo, mientras que el algoritmo de IA estaba confundido acerca de la imagen», dijo el coautor Padhraic Smyth, profesor de informática de la UCI Chancellor. «Del mismo modo, para otras imágenes, el algoritmo de IA pudo proporcionar con confianza una etiqueta para el objeto que se muestra, mientras que los participantes humanos no estaban seguros de si la imagen distorsionada contenía algún objeto reconocible».
Cuando las predicciones y las puntuaciones de confianza de ambos se combinaron utilizando el nuevo marco bayesiano de los investigadores, el modelo híbrido condujo a un mejor rendimiento que las predicciones humanas o mecánicas logradas por sí solas.
«Si bien investigaciones anteriores han demostrado los beneficios de combinar predicciones de máquinas o combinar predicciones humanas, la llamada ‘sabiduría de las multitudes’, este trabajo forja una nueva dirección al demostrar el potencial de combinar predicciones humanas y de máquinas, apuntando a nuevas y mejoradas enfoques para la colaboración humano-IA», afirmó Smyth.
Si te ha gustado el contenido Invítanos a un café. ¡Gracias por seguir leyéndonos!