الإنسان داخل الحلقة في الذكاء الاصطناعي: دقة أفضل ومخاطر أقل

توفير التغذية الراجعة للتعلم المستمر

هل تعلم عندما يسألك ChatGPT أي من الإجابات أفضل؟ يمكن التعامل مع الملاحظات على أنها بيانات جديدة ليتدرب النموذج عليها.

ولكن لا يجب أن تكون التعليقات صريحة.

فكّر في توصيات وسائل التواصل الاجتماعي. يقترح النموذج التنبؤي باستمرار المحتوى بناءً على سجلك. أثناء استخدامك للمنصة، يتم استخدام اختيارك للمحتوى كبيانات لتدريب نموذج التوصيات باستمرار.

في هذه الحالة، أنت الإنسان. وباستخدامك للتطبيق، فأنت بمثابة دليل للتوصيات المستقبلية. 

وهنا يأتي الدوران الكامل للنموذج: يتم تدريب النموذج على البيانات، ويتفاعل المستخدمون مع النموذج، وهذه التفاعلات بدورها تخلق بيانات يتم تدريب النموذج عليها مرة أخرى.

التعامل مع المواقف المتصاعدة

لا يتعلق HITL بالضرورة بتحسين النظام. بل يتعلق أحياناً بإحالة الحالات الصعبة إلى البشر.

فكّر في chatbot لدعم العملاء. فهو يخلصك من جزء كبير من عمل فريقك من خلال الإجابة على 95% من الأسئلة بوضوح ودقة وإيجاز.

ولكن هناك نسبة الـ 5%.

ستكون بعض الحالات شديدة الخصوصية أو غامضة بما فيه الكفاية بحيث تكون خارج نطاق عمل الذكاء الاصطناعي. على الرغم من أن التدخل البشري لا يحسن النموذج في هذه الحالة، إلا أن هذا مثال رائع على الطريقة التي يمكن أن يعمل بها البشر والتعلم الآلي بشكل تكافلي.

شرح البيانات من أجل التدريب

من الناحية الفنية، يتم بناء كل التعلم الآلي تقريبًا باستخدام آلية HITL. لهذا السبب، عندما نتحدث عن HITL، فإننا نشير في الغالب إلى الفئات المذكورة أعلاه.

ومع ذلك، سأكون مقصراً إذا لم ألفت الانتباه إلى العمل البشري والخبرة في حلقة التعلم الآلي.

البيانات هي العمود الفقري للذكاء الاصطناعي، وهي تعتمد على البشر. يتم تدريب نماذج الذكاء الاصطناعي على التنبؤ بالتسميات بناءً على البيانات المدخلة. التسميات هي المخرجات المتوقعة للذكاء الاصطناعي، والأمر متروك لنا نحن البشر لوضعها.

تتضمن بعض الأمثلة على وضع العلامات البشرية ما يلي:

• الردود المكتوبة بخط اليد على المطالبات لتدريب النماذج اللغوية الكبيرةLLMs
• نسخ الملفات الصوتية لنماذج التعرف على الكلام.
• وضع تعليقات توضيحية للأجسام في الصور لنماذج اكتشاف الأجسام
• وضع علامة على عينة من رسائل البريد الإلكتروني كرسائل بريد إلكتروني مزعجة أو غير مزعجة لكاشف البريد الإلكتروني غير المرغوب فيه لدى عميل البريد الإلكتروني

تقييم أداء النموذج

إن نصيب الأسد من الوقت المستغرق في بناء نماذج الذكاء الاصطناعي هو معرفة كيفية تحسينها. على الرغم من وجود مقاييس لا حصر لها يمكنك حسابها، مثل الدقة والاستدعاء، إلا أن الأمر يتطلب رؤية خبيرة لمعرفة كيفية عمل النموذج، والأهم من ذلك، ما يجب فعله حيال ذلك.

على سبيل المثال، قد يلاحظ الباحث أن النموذج يعمل بشكل جيد في التعرف على صور الكلاب، ولكن ليس على صور الهوت دوغ. يمكن إصلاح ذلك بشكل عام عن طريق إضافة أو تنويع صور النقانق.

في بعض الأحيان سيواجه نموذج الدردشة صعوبة في تذكر المعلومات من الرسائل السابقة. سيعالج الباحث هذه المشكلة بشكل عام من خلال إجراء تعديلات منخفضة المستوى على بنية النموذج أو طريقة توليد المعلومات.

1. الدقة والموثوقية

هذا أمر لا يحتاج إلى تفكير. ما الأفضل من الذكاء الاصطناعي العادي؟ الذكاء الاصطناعي الذي تم تصحيحه. 

فهي ليست فقط مُحسّنة للتعامل مع الحالات المتطورة، ولكنها موثوقة بمعنى أن المستخدمين يعرفون أن المخرجات ستتم مراجعتها وتحسينها باستمرار.

2. تخفيف التحيز

البيانات غير كاملة، وستعكس مخرجات النماذج ذلك. يعد التحيز - أي الانحياز نحو مخرجات معينة على حساب مخرجات أخرى - مشكلة في التعلم الآلي والذكاء الاصطناعي.

ومن الأمثلة على الطريقة التي يعكس بها الذكاء الاصطناعي التحيزات الموجودة في بيانات التدريب، أشياء مثل توليد الصور المشحونة بالعنصرية، أو تحديد المؤهلات الوظيفية حسب الجنس.

يتيح برنامج HITL للأشخاص تحديد هذه المشكلات وتوجيه النموذج نحو نتائج أكثر عدلاً.

3. التحسين المستمر والقدرة على التكيف

لا ينتهي التدريب لمجرد أن النموذج في مرحلة الإنتاج. يتيح HITL للنموذج الاستمرار في التدريب على بيانات جديدة لتعميم أفضل عبر الحالات غير المرئية. 

على سبيل المثال، يوفر تحرير النص الذي تم إنشاؤه أو متابعة اختيارات المستخدمين للمحتوى المزيد من البيانات التي يمكن للنموذج استخدامها لتحسينها.

ولكن لا يكفي أن يتحسن النموذج، بل يجب أن يتغير أيضاً.

من السهل أن نعتبر الطرق التي نتأقلم بها مع عالم دائم التغير من المسلمات. مع الذكاء الاصطناعي، هذا ليس أمراً مفروغاً منه. تجمع شركة HITL بين الخبرة والحكم الدقيق للحفاظ على توافق مخرجات النموذج مع العصر.

4. الشفافية والثقة

إشراك البشر يجعل قرارات الذكاء الاصطناعي أكثر شفافية. فمع قيام الأشخاص بتصحيح المخرجات أو حل الحالات منخفضة اليقين، يمكن أن يطمئن المستخدمون إلى أنهم يتفاعلون مع خوارزمية معقولة.

إنها تجعلنا نتحكم في الذكاء الاصطناعي، وليس العكس.

1. القيادة الذاتية

مع توقعات بوصول القيمة السوقية إلى 3.9 تريليونUSD خلال العقد القادم، قد تكون القيادة الذاتية هي الحدود الكبيرة القادمة في مجال الذكاء الاصطناعي. فهي تستفيد من نماذج اكتشاف الأجسام واتخاذ القرارات لحظة بلحظة لمحاكاة قيادة الشخص للسيارة.

ولكن بالنسبة لشيء غير يدوي إلى هذا الحد، فإنه يعتمد بشكل كبير على البشر. فالنماذج تراقب باستمرار أنماط القيادة البشرية، وتقارن قراراتهم بتوقعاتها الخاصة.

2. البيع بالتجزئة

يعد chatbot للبيع بالتجزئة طريقة رائعة لأتمتة تفاعلات العملاء مع الاستمرار في تقديم تجربة مخصصة. يتيح لك HITL الحفاظ على سلاسة هذه التجربة ومواءمتها مع عملك. على سبيل المثال، يمكنك

• مراجعة توصيات منتج الروبوت وتصحيحها
• اطلب من العميل التحدث عن احتياجاته الأساسية قبل إرساله إلى موظف بشري

3. التمويل

تُعد روبوتات الدردشة المالية طريقة رائعة للتوفيق بين أتمتة الذكاء الاصطناعي والخبرة البشرية.

أنظمة كشف الاحتيال رائعة في اكتشاف الأنشطة المشبوهة في المعاملات. ولكن ليست كل الأنشطة المشبوهة مشبوهة، وأنت لا تريد إلغاء بطاقتك في كل مرة تقوم فيها بتبديل طلب القهوة.

يمكن لـ HITL تأجيل الحالات منخفضة اليقين ومنخفضة المخاطر إلى البشر.

تقييم مخاطر القروض هو مجال آخر يتفوق فيه الذكاء الاصطناعي - فهو رائع في حساب الاحتمالات عبر جميع أنواع البيانات التي تبدو غير ذات صلة. ولكن هذه البيانات ستتضمن بالتأكيد بعض التحيز. 

غالباً ما يحتاج الحفاظ على العدالة وتخفيف التحيز إلى مساعدة شخص حقيقي.

4. الرعاية الصحية

سيكون مستخدم ريديت الذي أنقذ كلود حياته أول من يدافع عن إمكانات الذكاء الاصطناعي في مجال الرعاية الصحية.

لقد استعرضت روبوتات الدردشة الطبية القائمة على الذكاء الاصطناعي بعضاً من إمكاناتها، ولكنها تتجاوز ذلك: يمكن للذكاء الاصطناعي أن يساعد في تحديد التشخيص بناءً على قراءة التصوير بالرنين المغناطيسي، أو اقتراح المتابعة بناءً على نتائج الاختبارات. لكنني لست مستعداً للتخلي عن الأطباء.

يوفر برنامج HITL أفضل ما في الأمرين: اكتشاف الحالات التي قد يغفل عنها الأطباء، مع السماح لهم في الوقت نفسه باتخاذ القرار النهائي.

كيف يمكنني معرفة ما إذا كان نظام الذكاء الاصطناعي الخاص بي يحتاج إلى مشاركة بشرية في الحلقة؟

من المحتمل أن يحتاج نظام الذكاء الاصطناعي الخاص بك إلى مشاركة بشرية في الحلقة إذا كان يتعامل مع قرارات عالية المخاطر، أو يواجه بشكل متكرر مواقف غامضة أو نادرة، أو يخاطر بإنتاج مخرجات متحيزة أو ضارة، أو يعمل في مجالات تكون فيها الدقة المطلقة والحكم البشري ضروريين للامتثال أو ثقة العملاء.

هل يمكن استخدام الإنسان في الحلقة في العمليات التجارية غير التقنية، أم في نماذج الذكاء الاصطناعي فقط؟

يمكن استخدام تقنية "الإنسان في الحلقة" في العمليات التجارية غير التقنية مثل مراجعة شكاوى العملاء أو الإشراف على المحتوى، لأنها تعني إدخال الحكم البشري في أي سير عمل مؤتمت حيث قد تكون قرارات الآلة وحدها غير كافية.

هل استخدام الإنسان في الحلقة يعني أن نظام الذكاء الاصطناعي الخاص بي أقل تقدماً؟

استخدام الإنسان في الحلقة لا يعني أن نظام الذكاء الاصطناعي لديك أقل تقدماً. فهو يدل على أنك تعطي الأولوية للسلامة والإنصاف من خلال الجمع بين سرعة الذكاء الاصطناعي والتعرف على الأنماط والحكم البشري لاتخاذ قرارات دقيقة، وهو أمر ضروري في كثير من الأحيان.

هل الذكاء الاصطناعي البشري داخل الحلقة فعال من حيث التكلفة للشركات الصغيرة، أم للشركات الكبيرة فقط؟

أصبح الذكاء الاصطناعي البشري داخل الحلقة فعالاً من حيث التكلفة بشكل متزايد بالنسبة للشركات الصغيرة لأن الأدوات الحديثة تسمح لك بإشراك البشر بشكل انتقائي فقط في الحالات الصعبة، مما يقلل من تكاليف العمالة مع الاستمرار في تحسين الدقة والثقة دون الحاجة إلى قوة عاملة كبيرة.

ما هي تكلفة إضافة العمليات البشرية في الحلقة إلى نظام الذكاء الاصطناعي؟

يمكن أن تتراوح تكلفة إضافة العمليات البشرية في الحلقة بين الحد الأدنى - إذا كنت تستخدم موظفين داخليين من حين لآخر - إلى تكلفة كبيرة، تصل إلى مئات أو آلاف dollars شهرياً إذا كنت تحتاج إلى مراجعين مخصصين أو متعاقدين متخصصين، حيث تعتمد التكاليف إلى حد كبير على حجم وتعقيد المهام التي يجب أن يتعامل معها البشر.