当人类和人工智能系统一起解决问题时，它们会工作得更好。据微软首席科学家埃里克霍维奇、微软研究院首席研究员Ece Kamar、哈佛大学学生、微软研究院实习生Bryan Wilder介绍。自从微软3月份任命霍伟慈为首席科学官以来，这篇论文似乎是霍伟慈的第一篇论文，也是公司历史上的第一篇论文。霍维茨于1993年加入微软，担任首席研究员，并在2017年至2020年期间领导微软的研究部门。
本月早些时候发表的论文研究了人类和人工智能团队在两项计算机视觉任务上的表现：银河分类和乳腺癌转移检测。通过该方法，人工智能模型可以确定哪些任务最适合人类执行，哪些任务可以由人工智能更好地处理。
优化学习策略，将机器的预测与人类的贡献相结合，其中AI关注人类难以解决的问题，而人类解决机器难以解决的问题。基本上，没有高精度的机器预测会传给人类。研究人员表示，联合训练可以提高银河分类模型Galaxy Zoo的性能，减少21-73%的损失，提高cameloyn16 20%的性能。
该论文写道：“孤立地优化机器学习性能忽略了通常的情况。尽管人类有自己的局限性，包括系统性偏见，但人类的专业知识可以提供互补的观点。”“我们开发了一种方法，旨在训练机器学习模型来补充人力，从而解决咨询专家的成本。虽然人机团队可以采取多种形式，但这里我们重点关注机器要执行的任务，即确定哪些实例需要人工输入，然后整合机器和人的判断。
5月1日，发表在预印库arXiv上的论文题为《学习补充人类》，延续了多年的人机交互与合作工作。卡马尔和霍维茨合作了一篇发表于2012年的论文，该论文展示了AI如何整合人和机器的劳动，并探索了Galaxy Zoo与人类相比的表现。2007年，霍伟慈制定了一项政策，确定接待员应在何时使用自动接待系统干扰客户谈话。
论文写道：“我们看到了在不同环境下研究人机互补性其他方面的机会。”“当人与机器之间的互动超越了问人的答案，例如，以更复杂和交错的互动和设置，具有不同水平的人类主动性和机器自主性，方向包括团队绩效的优化。”
在研究不同类型的团队合作时，OpenAI研究人员研究了在Quake III和捉迷藏等游戏中一起工作的机器代理。
标签：