- L'HITL (Human-in-the-loop) combina la supervisione umana con i sistemi di intelligenza artificiale per migliorare la precisione.
- Gli esseri umani intervengono annotando i dati, rivedendo i risultati dell'IA, gestendo le escalation e guidando i miglioramenti del modello.
- L'HITL aumenta l'affidabilità, attenua i pregiudizi, consente l'apprendimento continuo e rende i sistemi di intelligenza artificiale più trasparenti.
- I casi d'uso comprendono le auto a guida autonoma, i bot per la vendita al dettaglio, i controlli sui rischi finanziari e le decisioni in ambito sanitario.
Se state pensando di migliorare la vostra attività con l'IA, non siete i soli. I chatbot AI sono il canale di comunicazione in più rapida crescita e non sono più un lusso, ma un'aspettativa.
Ma rinunciare a questo controllo può far paura. Scaricare operazioni cruciali su un cosiddetto "algoritmo a scatola nera" può sembrare un grande atto di fede.
Ed è per questo che le aziende si affidano all'intervento umano per gestire l'IA. Quasi tutti i framework di agenti di IA prevedono l'human-in-the-loop, ovvero la supervisione umana delle operazioni di IA.
In questo articolo spiegherò cos'è, come funziona e fornirò alcuni esempi di come l'intervento umano viene utilizzato quotidianamente per dare agli utenti un maggiore controllo su chatbot e agenti AI.
Che cos'è lo human-in-the-loop?
L'Human-in-the-loop (HITL) è un approccio collaborativo all'IA in cui il contributo umano viene utilizzato per migliorare o estendere le capacità dell'IA. Ciò può avvenire sotto forma di dati annotati dall'uomo, di output di modelli corretti o di compiti completi eseguiti dall'uomo nei casi in cui l'IA è incerta o ritenuta inefficace.
Il termine può essere un po' ambiguo. Tecnicamente si riferisce a qualsiasi coinvolgimento umano nel ciclo di vita delle applicazioni di IA, dall'etichettatura dei dati e dalla valutazione dei modelli all'apprendimento attivo e alle escalation.
In pratica, quando i fornitori di IA offrono una funzionalità HITL, in genere si tratta di una supervisione sui risultati dell'IA: l'opportunità di rivedere le risposte e di affidare le interazioni del chatbot ad agenti umani.
In che modo gli esseri umani sono "nel giro" dell'IA?
Una pipeline di IA ben oliata avrà diversi punti di ingresso per gli esseri umani.
L'intelligenza artificiale viene addestrata per scoprire modelli nei dati di addestramento e poi generalizzare questi modelli a nuovi dati non visti. Siamo noi a decidere quali dati il modello vede, ma non quali modelli ricava dai dati.
In ogni fase del processo - raccolta dei dati, formazione e implementazione - spetta alle persone assicurarsi che il modello funzioni come previsto.
A seconda di dove e come si verifica l'intervento umano, esso può rientrare in una delle seguenti categorie:
Fornire feedback per l'apprendimento continuo
Avete presente quando ChatGPT vi chiede quale delle due risposte è migliore? Il feedback può essere trattato come nuovi dati su cui addestrare il modello.
Il feedback non deve essere necessariamente esplicito.
Pensate alle raccomandazioni dei social media. Un modello predittivo suggerisce costantemente contenuti in base alla vostra cronologia. Man mano che si utilizza la piattaforma, la scelta dei contenuti viene utilizzata come dati per addestrare continuamente il modello di raccomandazione.
In questo caso, l'umano siete voi. E utilizzando l'app, fungete da guida per le raccomandazioni future.
È qui che si chiude il cerchio: il modello viene addestrato sui dati, gli utenti interagiscono con il modello e queste interazioni creano a loro volta dati su cui il modello viene nuovamente addestrato.
Gestione delle situazioni di emergenza
L'HITL non riguarda necessariamente il miglioramento del sistema. A volte si tratta di rinviare i casi difficili agli esseri umani.
Considerate un chatbot per l'assistenza clienti. Scarica una buona parte del lavoro del vostro team rispondendo al 95% delle domande in modo chiaro, conciso e accurato.
Ma poi c'è quel 5%.
Alcuni casi sono iper-specifici o abbastanza oscuri da essere fuori dalla portata dell'intelligenza artificiale. Anche se in questo caso l'intervento umano non migliora il modello, si tratta di un ottimo esempio di come l'uomo e l'apprendimento automatico possano lavorare in simbiosi.
Annotazione dei dati per la formazione
Tecnicamente parlando, praticamente tutto l'apprendimento automatico è costruito con un meccanismo HITL. Per questo motivo, quando parliamo di HITL, ci riferiamo principalmente alle categorie sopra citate.
Detto questo, sarei negligente se non richiamassi l'attenzione sulla manodopera e sulle competenze umane nel ciclo di apprendimento automatico.
I dati sono la spina dorsale dell'IA, che si basa sull'uomo. I modelli di IA sono addestrati a prevedere le etichette in base ai dati di input. Le etichette sono il risultato atteso dell'IA e spetta a noi umani crearle.
Alcuni esempi di etichettatura umana includono:
- Scrivere a mano le risposte ai prompt per addestrare modelli linguistici di grandi dimensioniLLMs)
- Trascrizione di file audio per modelli di riconoscimento vocale.
- Annotazione di oggetti nelle immagini per modelli di rilevamento di oggetti
- Contrassegnare le email di esempio come spam o non spam per il rilevatore di spam di un client di posta elettronica
Valutazione delle prestazioni del modello
La maggior parte del tempo dedicato alla creazione di modelli di intelligenza artificiale consiste nel capire come migliorarli. Sebbene si possano calcolare infinite metriche, come la precisione e il richiamo, è necessario l'intuito di un esperto per capire come funziona il modello e, soprattutto, cosa fare per migliorarlo.
Ad esempio, un ricercatore potrebbe notare che il modello è in grado di identificare immagini di cani, ma non di hot dog. Questo problema può essere risolto aggiungendo o diversificando le immagini di hot dog.
A volte un modello di chat ha difficoltà a ricordare le informazioni dei messaggi precedenti. In genere, il ricercatore affronta questo problema apportando modifiche di basso livello all'architettura del modello o al metodo di generazione.
I vantaggi dell'intelligenza artificiale con l'uomo nel loop
L'intelligenza artificiale può essere incredibilmente efficiente ed efficace nel riconoscere schemi sottili, ma le persone sono intelligenti.
L'HITL consiste nel combinare un livello umano di sfumature con l'efficienza dell'automazione del flusso di lavoro dell'IA, in modo che le risposte siano personalizzate in base all'esperienza che gli utenti e i fornitori stanno cercando.
1. Precisione e affidabilità
Questo non è un problema. Cosa c'è di meglio di una semplice IA? L'IA che è stata corretta.
Non solo è ottimizzato per affrontare i casi limite, ma è anche affidabile nel senso che gli utenti sanno che i risultati saranno continuamente rivisti e migliorati.
2. Mitigazione dei pregiudizi
I dati sono imperfetti e i risultati dei modelli lo riflettono. La parzialità, ovvero la tendenza a privilegiare alcuni risultati rispetto ad altri, è un problema che riguarda l'apprendimento automatico e l'IA.
Cose come la generazione di immagini a sfondo razziale o la determinazione delle qualifiche lavorative in base al sesso sono esempi del modo in cui l'IA riflette i pregiudizi presenti nei dati di addestramento.
HITL consente di segnalare questi problemi e di orientare il modello verso risultati più equi.
3. Miglioramento continuo e adattabilità
L'addestramento non è finito solo perché un modello è in produzione. HITL consente al modello di continuare ad allenarsi su nuovi dati per generalizzare meglio su casi non ancora noti.
Ad esempio, modificare il testo generato o seguire le selezioni dei contenuti degli utenti offre ulteriori dati che il modello può utilizzare per migliorare.
Ma non basta che un modello migliori, deve anche cambiare.
È facile dare per scontati i modi in cui ci adattiamo a un mondo in continua evoluzione. Con l'IA, questo non è scontato. HITL combina competenze e giudizi sfumati per mantenere l'output di un modello in linea con i tempi.
4. Trasparenza e fiducia
Il coinvolgimento degli esseri umani rende le decisioni dell'IA più trasparenti. Con le persone che correggono i risultati o risolvono i casi a bassa incertezza, gli utenti possono essere rassicurati sul fatto che stanno interagendo con un algoritmo ragionevole.
Siamo noi a controllare l'IA, e non il contrario.
Casi d'uso di Human-in-the-Loop
1. Guida autonoma
Con un valore di mercato che si prevede raggiungerà i 3,9 trilioni diUSD nel prossimo decennio, la guida autonoma potrebbe essere la prossima grande frontiera dell'IA. Sfrutta i modelli di rilevamento degli oggetti e il processo decisionale momento per momento per simulare la guida di una persona.
Ma per essere una cosa così poco invasiva, si affida molto all'uomo. I modelli osservano costantemente i modelli di guida degli esseri umani e confrontano le loro decisioni con le proprie previsioni.
2. Vendita al dettaglio
Un chatbot per la vendita al dettaglio è un ottimo modo per automatizzare le interazioni con i clienti, pur offrendo un'esperienza personalizzata. HITL vi permette di mantenere questa esperienza fluida e in linea con la vostra attività. Ad esempio, potete:
- Rivedere e correggere le raccomandazioni di prodotto del bot
- Chiedere al cliente di parlare delle sue esigenze di base prima di inviare il tutto a un agente umano.
3. Finanza
I chatbot per la finanza sono un ottimo modo per combinare l'automazione dell'IA con le competenze umane.
I sistemi di rilevamento delle frodi sono ottimi per individuare le attività sospette nelle transazioni. Ma non tutte le attività sospette sono nefaste, e non volete che la vostra carta venga annullata ogni volta che cambiate l'ordine del caffè.
L'HITL può rinviare i casi a bassa certezza e a basso rischio agli esseri umani.
La valutazione del rischio di prestito è un'altra area in cui l'IA eccelle: è bravissima a calcolare le probabilità su tutti i tipi di dati apparentemente non correlati. Questi dati, tuttavia, includeranno quasi sicuramente dei pregiudizi.
Per mantenere l'equità e attenuare i pregiudizi è spesso necessario l'aiuto di una persona reale.
4. Assistenza sanitaria
L'utente di Reddit a cui Claude ha salvato la vita sarà il primo a sostenere il potenziale dell'IA nell'assistenza sanitaria.
I chatbot di IA medica hanno mostrato alcune delle sue potenzialità, ma non solo: L'intelligenza artificiale può aiutare a determinare una diagnosi in base alla lettura di una risonanza magnetica o suggerire controlli successivi in base ai risultati degli esami. Ma non sono pronto a rinunciare ai medici.
L'HITL offre il meglio di entrambi i mondi: cattura i casi che i medici potrebbero aver tralasciato, pur consentendo loro di prendere la decisione finale.
Utilizzate oggi l'IA aumentata dall'uomo
Botpress ha migliaia di bot distribuiti con una supervisione umana continua ed è la piattaforma di agenti AI più flessibile sul mercato.
Botpress è dotato di un'integrazione HITL, di un costruttore visuale drag-and-drop e di una distribuzione su tutti i canali di comunicazione più diffusi (tra cui Slack, Telegram, WhatsApp, web), per cui utilizzare l'intelligenza artificiale non significa rinunciare al proprio tocco personale.
Iniziate a costruire oggi stesso. È gratuito.
Domande frequenti
Come faccio a sapere se il mio sistema di IA ha bisogno di un coinvolgimento umano nel loop?
Il vostro sistema di IA ha probabilmente bisogno di un coinvolgimento umano nel ciclo se gestisce decisioni ad alto rischio, se si imbatte frequentemente in situazioni ambigue o rare, se rischia di produrre risultati distorti o dannosi o se opera in aree in cui l'accuratezza assoluta e il giudizio umano sono essenziali per la conformità o la fiducia dei clienti.
Lo human-in-the-loop può essere utilizzato nei processi aziendali non tecnici o solo nei modelli di IA?
Lo human-in-the-loop può essere utilizzato in processi aziendali non tecnici, come la revisione dei reclami dei clienti o la moderazione dei contenuti, perché significa inserire il giudizio umano in qualsiasi flusso di lavoro automatizzato in cui le decisioni della macchina da sole potrebbero essere insufficienti.
L'utilizzo di un umano nel loop significa che il mio sistema AI è meno avanzato?
L'uso dell'uomo nel loop non significa che il sistema di IA sia meno avanzato. Dimostra che state dando priorità alla sicurezza e all'equità, combinando la velocità e il riconoscimento dei modelli dell'IA con il giudizio umano per le decisioni più complesse, che spesso sono essenziali.
L'IA human-in-the-loop è conveniente per le piccole imprese o solo per le grandi aziende?
L'IA human-in-the-loop è sempre più conveniente per le piccole imprese, perché gli strumenti moderni consentono di coinvolgere selettivamente gli esseri umani solo per i casi difficili, riducendo al minimo i costi di manodopera e migliorando al contempo l'accuratezza e la fiducia senza bisogno di una grande forza lavoro.
Quanto costa aggiungere processi human-in-the-loop a un sistema di IA?
L'aggiunta di processi human-in-the-loop può avere costi minimi - se si utilizza occasionalmente personale interno - o significativi, con centinaia o migliaia di dollars al mese se si richiedono revisori dedicati o appaltatori specializzati, e i costi dipendono in gran parte dal volume e dalla complessità delle attività che gli umani devono gestire.
