Data science

การทำงานร่วมกันระหว่างมนุษย์กับเครื่องจักร: การสร้างความไว้วางใจด้วยปัญญาประดิษฐ์

คลิกเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับผู้แต่ง Deepak Dube รายงานของการ์ตเนอร์ทำให้คำว่า “ปัญญาประดิษฐ์” เป็นที่นิยมในช่วงสองสามปีที่ผ่านมา ในบทความนี้ ผมจะอธิบายสิ่งที่เกี่ยวข้อง มาเริ่มกันที่ Gartner ให้คำจำกัดความว่า: “Augmented Intelligence เป็นรูปแบบการออกแบบสำหรับโมเดลความร่วมมือที่เน้นมนุษย์เป็นศูนย์กลางของผู้คนและปัญญาประดิษฐ์ (AI) ที่ทำงานร่วมกันเพื่อเพิ่มประสิทธิภาพด้านความรู้ความเข้าใจ รวมถึงการเรียนรู้ การตัดสินใจ และประสบการณ์ใหม่” ประการแรก สิ่งที่ทำให้ฉันประทับใจเกี่ยวกับคำจำกัดความนี้คือเป็นความพยายามร่วมกัน ขจัดการคาดเดาเกี่ยวกับ AI ที่เข้าควบคุมความสามารถทางปัญญาของมนุษย์หรือการตัดสินใจ และตอกย้ำแนวคิดของ AI ที่มีบทบาทช่วยเหลือในชีวิตของเรา แก่นแท้ของปัญญาประดิษฐ์นั้นเกี่ยวกับการเสริมอำนาจ: การขยายความฉลาดของมนุษย์ด้วยข้อมูลเชิงลึกเพิ่มเติม ขุดจากข้อมูลในลักษณะอัตโนมัติ ดำเนินการได้ และทันเวลา ซึ่งมิฉะนั้นจะใช้เวลานานกว่ามากในการค้นพบโดยกระบวนการด้วยตนเอง (หรือที่แย่กว่านั้นคือ ยังอยู่ภายใต้การปิดล้อม เกินกำหนดเส้นตายสำหรับการตัดสินใจ) เราทุกคนต่างมุ่งมั่นเพื่อการพัฒนาที่ดีขึ้น และด้วยแรงผลักดันโดยธรรมชาตินั้น เราจึงลงเอยด้วยการรวบรวมข้อมูล เราทุกคนมี – มากมาย – และฝังอยู่ในข้อมูลนั้นเป็นข้อมูลเชิงลึกของคำถามมากมายที่เราแสวงหาคำตอบ ท้ายที่สุด ข้อมูลสะท้อนถึงการตัดสินใจและผลลัพธ์ในอดีตของเราอันเป็นผลมาจากสิ่งเหล่านั้น ข้อมูลนี้เป็นข้อมูลเกี่ยวกับสิ่งที่ใช้ได้ผลและอะไรไม่ได้ผล – หากมีเพียงบางคนเท่านั้นที่สามารถอธิบายในแง่ของกฎและขอบเขตง่ายๆ ที่มนุษย์เราเข้าใจดี ความจริงก็คือเรากำลังนั่งอยู่บนเหมืองทองคำ คำถามคือ คุณจะขุดทอง (ข้อมูลเชิงลึก) นั้นได้อย่างไรในเวลาที่เหมาะสมและดำเนินการได้ ก่อนที่จะสายเกินไป? การค้นพบกฎและขอบเขตที่มนุษย์เข้าใจได้เหล่านี้เปรียบเสมือนการทำวิศวกรรมย้อนกลับรหัสของวิธีการ การดำเนินงาน และสภาพแวดล้อมของระบบ ไม่ว่าจะเป็นในธุรกิจหรือการวิจัย อย่างไรก็ตาม นั่นไม่ใช่ความท้าทายเพียงอย่างเดียว ในกรณีการใช้งานจริง ปริมาณและมิติข้อมูลนำเสนอความท้าทายที่น่ากลัวอีกอย่างหนึ่ง: มีคุณลักษณะมากมาย (มิติ) และคำถามที่ยุ่งยากมากมาย เช่น คุณลักษณะใด (ปัจจัยหรือตัวทำนาย) ที่มีบทบาทและ ในลักษณะใด การทำงานร่วมกันระหว่างคุณลักษณะมากมายเหล่านี้เป็นอย่างไร และอื่นๆ นั่นคือจุดที่ความฉลาดที่เพิ่มขึ้นเข้ามาช่วยเรา จัดการกับความท้าทายทั้งสองพร้อมกันโดยใช้เทคนิคที่ซับซ้อนจาก AI และการเรียนรู้ของเครื่อง Augmented intelligence ดึงข้อมูลอัจฉริยะ – ข้อมูลเชิงลึกเกี่ยวกับสภาพแวดล้อมที่เป็นระบบ – จากชุดข้อมูลทั้งหมด ซึ่งช่วยปรับปรุงการตัดสินใจ ในการศึกษา เช่น ปัญญาประดิษฐ์อาจวิเคราะห์การถ่ายโอนข้อมูลของแพลตฟอร์มการเรียนรู้ และพบว่านักเรียนที่ใช้แพลตฟอร์มมือถือมักจะมีประสบการณ์ที่ไม่ดีเมื่อเทียบกับบนเดสก์ท็อปในหลักสูตรยาวที่มีการสอบแบบเปิดหนังสือ ตอนนี้เรามีข้อมูลเชิงลึกซึ่งนำเสนอแก่เราในแง่ของกฎและขอบเขตที่เข้าใจง่ายและเข้าใจง่ายของมนุษย์ เราตั้งคำถามถึงความจริงตามวัตถุประสงค์ของข้อมูลเชิงลึกเหล่านี้ ไม่เป็นไร. โดยธรรมชาติแล้วเรามีความอยากรู้อยากเห็น เป็นสิ่งสำคัญสำหรับแพลตฟอร์มที่เสนอข้อมูลเสริมเพื่อปลูกฝังความมั่นใจนั้นโดยเสนอการวัดตามวัตถุประสงค์ของ “ความดีงามของข้อมูลเชิงลึก (หรือเหตุผล)” หรือที่เรียกว่าคะแนนความเชื่อมั่น แพลตฟอร์ม/เครื่องมือต้องเชื่อมโยงคะแนนความมั่นใจกับข้อมูลเชิงลึกแต่ละรายการ คุณเลือกเฉพาะข้อมูลเชิงลึกที่มีคะแนนความมั่นใจสูงกว่าเกณฑ์ที่คุณยอมรับได้ คุณตรวจสอบผลลัพธ์เหล่านี้กับข้อมูล โดยใช้กฎที่มนุษย์เข้าใจได้เพื่อกรองข้อมูลและศึกษาอย่างละเอียดว่าผลลัพธ์ถูกต้องหรือไม่ ดังนั้นจึงสร้างความไว้วางใจในเครื่อง นั่นคือจุดเริ่มต้นของการทำงานร่วมกันระหว่างมนุษย์กับเครื่องจักรหรือ “ความไว้วางใจ” โดยสรุปแล้ว ข้อมูลเสริมที่เสริมเข้ามามีบทบาทในการช่วยเหลือของมัคคุเทศก์ ช่วยเพิ่มความฉลาดของคุณ ช่วยให้คุณนำทางผ่านเขาวงกตของข้อมูลที่ซับซ้อน นำเสนอข้อมูลเชิงลึกที่เกือบจะทันทีทันใดและคะแนนวัตถุประสงค์ และปูทางสำหรับขั้นตอนต่อไปของคุณ ไปสู่การดีขึ้น.

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button