给大家分享一篇关于 和手机的文章。相信很多朋友对 和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和 的相关知识与大家分享。希望大家看完之后会喜欢。
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。根据微软首席科学家埃里克霍伟茨、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的研究。自从微软在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工执行，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，联合训练可以提高星系分类模型Galaxy Zoo的性能，减少21-73%的损失，提高cameloyn16 20%的性能。
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。”“我们开发了一种训练机器学习模型来补充人力的方法，从而解决了咨询专家的成本。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，即确定哪些例子需要人的输入，然后整合机器和人的判断。
5月1日，发表在预印库arXiv上的论文题目为《学习补充人类》，并持续了多年的人机交互与合作工作。Kamar和Horvitz在2012年合作发表了一篇论文，展示了AI如何将人和机器的劳动结合起来，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，有更复杂和交错的互动，以及不同层次的人的主动性和机器自主性，方向就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”等游戏中协同工作的机器代理。
本文就为大家讲解到这里了。标签：