Mégis, sok vállalat még nem áll készen arra, hogy az AI-rendszerek önállóan és teljesen emberi beavatkozás nélkül működjenek – és ezt nem is kellene megtenniük.
Sok esetben a vállalkozások egyszerűen nem rendelkeznek elegendő szakértelemmel az általuk használt rendszerekhez, mivel az AI-technológiák rendkívül összetettek. Más esetekben a vállalati szoftverekbe kezdetleges mesterséges intelligenciát építettek be. Ezek meglehetősen statikusak lehetnek, és a legtöbb szervezetnek elveszik a kontrollt a szükséges adatok paraméterei felett. De még az AI-hez legjobban értő szervezetek is megtartják az embert az egyenletben a kockázatok elkerülése és az AI maximális előnyeinek kiaknázása érdekében.
AI ellenőrzések és egyensúlyok
Egyértelmű etikai, szabályozási és reputációs okai vannak annak, hogy az embereket a körforgásban tartsák. Idővel pontatlan adatok kerülhetnek be, ami rossz döntésekhez vagy bizonyos esetekben akár súlyos körülményekhez is vezethet. Az előítéletek is bekúszhatnak a rendszerbe, akár a mesterséges intelligenciamodell képzése során, akár a képzési környezetben bekövetkező változások következtében, akár a tendenciaszerűség miatt, amikor a mesterséges intelligenciarendszer a közelmúltbeli tevékenységekre jobban reagál, mint a korábbiakra. Ezen túlmenően a mesterséges intelligencia gyakran képtelen megérteni egy erkölcsi döntés finomságait.
Vegyük például az egészségügyet. Ez az iparág tökéletesen illusztrálja, hogy az AI és az ember együtt dolgozva hogyan javíthatja az eredményeket, vagy okozhat nagy károkat, ha az ember nem vesz részt teljes mértékben a döntéshozatali folyamatban. Például a diagnózis felállítása vagy egy beteg ellátási tervének ajánlása során a mesterséges intelligencia ideális arra, hogy az ajánlást az orvosnak adja, aki aztán értékeli, hogy az ajánlás megalapozott-e, majd átadja a tanácsot a betegnek.
Ha az emberek folyamatosan nyomon követhetik a mesterséges intelligencia válaszait és pontosságát, elkerülhetők lesznek a hibák, amelyek kárt vagy katasztrófát okozhatnak, miközben a modellek folyamatos képzését is lehetővé teszik, így azok egyre jobbak és jobbak lesznek. Ezért az IDC várakozásai szerint 2022-re a G2000-es vállalatok több mint 70%-a rendelkezik majd hivatalos programokkal digitális megbízhatóságuk ellenőrzésére.
Az ember és az AI együttműködésének modelljei
A Human-in-the-Loop (HitL) megerősítő tanulás és a társalgási AI két példa arra, hogy az emberi beavatkozás hogyan támogatja az AI rendszereket a jobb döntések meghozatalában.
A HitL lehetővé teszi az AI-rendszerek számára, hogy a gépi tanulást kihasználva tanuljanak azáltal, hogy megfigyelik az embereket a valós életben végzett munka és a valós felhasználási esetek során. A HitL modellek olyanok, mint a hagyományos mesterséges intelligencia modellek, azzal a különbséggel, hogy az emberi visszajelzések alapján folyamatosan fejlesztik és javítják magukat, miközben bizonyos esetekben kiegészítik az emberi interakciókat. Ez olyan ellenőrzött környezetet biztosít, amely korlátozza a torzítások – például a bandwagon-effektus – eredendő kockázatát, amelyeknek pusztító következményei lehetnek, különösen a döntő fontosságú döntéshozatali folyamatokban.
A HitL-modell értékét olyan iparágakban láthatjuk, amelyek kritikus alkatrészeket gyártanak járművekhez vagy repülőgépekhez, amelyekhez a szabványnak megfelelő berendezésekre van szükség. Az ilyen helyzetekben a gépi tanulás növeli az ellenőrzések sebességét és pontosságát, míg az emberi felügyelet további biztosítékot nyújt arra, hogy az alkatrészek biztonságosak legyenek az utasok számára.
Emberközeli kommunikáció
A társalgási mesterséges intelligencia másrészt közel emberközeli kommunikációt biztosít. Az egyszerűbb problémák kezelésében tehermentesítheti az alkalmazottakat, miközben tudja, hogy mikor kell egy problémát embereknek átadni az összetettebb problémák megoldásához. A kapcsolattartó központok erre elsődleges példát szolgáltatnak.
Amikor egy ügyfél egy kapcsolattartó központhoz fordul, lehetősége van arra, hogy telefonon, sms-ben vagy virtuálisan csevegjen egy képviselővel. A virtuális ügynök meghallgatja és megérti az ügyfél igényeit, és oda-vissza beszélgetést folytat. A gépi tanulást és a mesterséges intelligenciát használja arra, hogy a korábbi tapasztalatok alapján eldöntse, mit kell tenni. A kapcsolattartó központokban a legtöbb mesterséges intelligencia rendszer beszédet generál, hogy segítse az ügyféllel való kommunikációt, és utánozza azt az érzést, mintha egy ember gépelne vagy beszélne.
A legtöbb helyzetben egy virtuális ügynök elegendő az ügyfelek kiszolgálásához és problémáik megoldásához. Vannak azonban olyan esetek, amikor a mesterséges intelligencia képes abbahagyni a gépelést vagy a beszédet, majd zökkenőmentesen átirányítani egy élő képviselőhöz, aki átveszi a hívást vagy a csevegést. Még ezekben a példákban is képes az AI rendszer az automatizálásról a kiegészítésre váltani, mivel továbbra is hallgatja a beszélgetést, és ajánlásokat ad az élő képviselőnek, hogy segítse őt a döntéseiben.
A kognitív mesterséges intelligenciával a társalgási mesterséges intelligencián túlmutatva ezek a rendszerek képesek megtanulni megérteni a másik fél érzelmi állapotát, kezelni az összetett párbeszédet, valós idejű fordítást nyújtani, és akár a másik személy viselkedése alapján is alkalmazkodni, így az emberi segítségnyújtás a kifinomultság következő szintjére léphet.
Az automatizálás és az emberi interakció keveredése a kiterjesztett intelligenciához vezet
A mesterséges intelligencia akkor alkalmazható a legjobban, ha egyszerre felügyeli és kiegészíti az embereket. Ha ez megtörténik, az emberek feljebb lépnek a készségkontinuumban, és egyre összetettebb kihívásokat vállalnak, miközben az AI folyamatosan tanul, fejlődik, és ellenőrzés alatt tartják, elkerülve a potenciálisan káros hatásokat. Az olyan modellek, mint a HitL, a társalgási mesterséges intelligencia és a kognitív mesterséges intelligencia, a szakértelemmel, leleményességgel, empátiával és erkölcsi ítélőképességgel rendelkező valódi emberekkel együttműködve végső soron az intelligencia kiterjesztéséhez és pozitívabb eredményekhez vezetnek.
(forrás: AI News)
