البشر في الحلقة

---

هل تبحث عن حل أتمتة؟ لا مزيد من البحث!

.cta-first-blue {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: # 546fff ؛ اللون الابيض؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ حجم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-first-blue: تحوم {color: # 546fff؛ الخلفية: أبيض ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-second-black {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: أبيض ؛ اللون: # 333 ؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ تحجيم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .cta-second-black: تحوم {color: white؛ الخلفية: # 333 ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .column1 {min-width: 240px؛ أقصى عرض: محتوى مناسب ؛ المساحة المتروكة لليمين: 4٪ ؛ } .column2 {min-width: 200px؛ أقصى عرض: محتوى مناسب ؛ } .cta-main {display: flex؛ }

---

"مع دخول المزيد والمزيد من الذكاء الاصطناعي إلى العالم ، يجب أن يدخل المزيد والمزيد من الذكاء العاطفي في القيادة." - أميت راي ، عالم الذكاء الاصطناعي الشهير ، مؤلف كتاب الذكاء الاصطناعي الرحيم

العصر الصناعي الرابع الذي نعيش فيه هو عصر تخريبي من حيث أنه يمزج الدماغ القائم على الكربون مع دماغ السيليكون. يعد الذكاء الاصطناعي جزءًا من حياتنا بالفعل ، حتى لو لم ندرك ذلك - محركات البحث والمساعدين الرقميين والخرائط والملاحة ، فإن القائمة لا حصر لها. يمكن للآلات الآن أن "تتعلم" أثناء عملها ، لكن هذا لا يستبعد ، في معظم الحالات ، البشر من العملية.

يسمح البشر في أنظمة Loop أو HITL لكلا الشكلين من الذكاء بالتفاعل بأناقة من أجل منفعتهم المتبادلة.

دعونا نتعلم المزيد عن الإنسان في حلقة الذكاء الاصطناعي.

---

var contentTitle = "جدول المحتويات" ؛ // عيِّن العنوان الخاص بك هنا ، لتجنب عمل عنوان له لاحقًا var ToC = "

"+ contentTitle +"

"؛ ToC + = "

"؛ var tocDiv = document.getElementById ('dynamictocnative') ؛ tocDiv.outerHTML = ToC ؛

تعريف الإنسان في الحلقة

قطعت أجهزتنا شوطًا طويلاً منذ أن كتب بول إيرليش في عام 1978 "أن الخطأ هو إنسان ، والأشياء الفاسدة حقًا تتطلب جهاز كمبيوتر". تقدمت أدوات الذكاء الاصطناعي اليوم بشكل كبير بحيث انخفض هامش الخطأ بشكل كبير. هذا مهم لأن أدوات الذكاء الاصطناعي تُستخدم الآن في التطبيقات المهمة بما في ذلك الرحلات الجوية ودعم الحياة والتحكم في الأسلحة حيث تكون الأخطاء كارثية.

ومع ذلك ، فإن أنظمة الذكاء الاصطناعي ، مثل الإنسان الذي قام ببنائها ، ليست مثالية. التنبؤات التي قدمتها أدوات الذكاء الاصطناعي ليست دقيقة بنسبة 100٪ لأن الآلات تبني فهمها من البيانات والأنماط الموجودة. في حين أن هذا ينطبق على الذكاء البشري أيضًا ، إلا أن هناك عنصرًا إضافيًا للإدراك القائم على التجربة والخطأ الذي يستخدم مدخلات متعددة وعاملًا إضافيًا للتفكير العاطفي في الذكاء البشري. هذا على الأرجح يجعل الإنسان عرضة للخطأ بينما الآلة عرضة لتلف الأشياء.

لكن بغض النظر عن النكات ، لا يمكن لأنظمة الذكاء الاصطناعي أن تكون خالية تمامًا من البشر بسبب عدم اليقين المتأصل في الدقة ، ومعظم ، إن لم يكن كل ، أدوات الذكاء الاصطناعي تستخدم قدرًا من التفاعل البشري من أجل تصحيح المسار أو مراقبته ببساطة. ينتج عن التفاعل بين الإنسان والآلة حلقة تغذية مرتدة تتيح إجراء تصحيحات دورية لمسار نظام الذكاء الاصطناعي لتحسين الأداء وتعزيز الاستقلالية. وهكذا يظهر التعريف الرسمي لـ Human in the Loop.

في الواقع ، يسمح الذكاء الاصطناعي البشري في الحلقة للبشر بتقديم ملاحظات إلى نموذج الذكاء الاصطناعي (ML ، DL ، ANN ، إلخ) للتنبؤات التي تقل عن مستوى معين من الثقة.

---

تريد كشط البيانات من PDF المستندات ، وتحويلها PDF إلى XML or أتمتة استخراج الجدول؟ تحقق من Nanonets ' مكشطة PDF or محلل PDF لتحويل ملفات PDF إلى قاعدة البيانات إدخالات!

.cta-first-blue {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: # 546fff ؛ اللون الابيض؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ حجم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-first-blue: تحوم {color: # 546fff؛ الخلفية: أبيض ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-second-black {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: أبيض ؛ اللون: # 333 ؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ تحجيم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .cta-second-black: تحوم {color: white؛ الخلفية: # 333 ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .column1 {min-width: 240px؛ أقصى عرض: محتوى مناسب ؛ المساحة المتروكة لليمين: 4٪ ؛ } .column2 {min-width: 200px؛ أقصى عرض: محتوى مناسب ؛ } .cta-main {display: flex؛ }

---

ML ، أداة AI شائعة قابلة لـ HITL

التعلم هو العملية التي يتم فيها استخدام البيانات الموجودة مسبقًا لعمل تنبؤات مستقبلية - "الطفل المحترق يخشى النار" هو مثال قابل للارتباط ، وإن كان مزعجًا ، لعملية التعلم. يعمل التعلم الآلي ، وهو أحد أدوات الذكاء الاصطناعي ، بنفس الطريقة إلى حد كبير - فهو يتعلم الأنماط من البيانات الموجودة ويقوم بالتنبؤات بناءً على هذه الأنماط. على سبيل المثال ، باستخدام صور الوجوه السعيدة والحزينة من قاعدة بيانات موجودة مسبقًا للوجوه العاطفية ، تحدد أداة ML وجهًا جديدًا على أنه سعيد أو حزين. ثم يتم التحقق من صحة التوقع ، وإذا وجد أنه صحيح ، فانتقل إلى الأمام ، مخفيًا هذه "التجربة" الجديدة كنقطة بيانات أخرى. إذا لم يكن الأمر كذلك ، فسيتم تصحيح مسار الآلة.

---

هل تريد أتمتة المهام اليدوية المتكررة؟ تحقق من برنامج معالجة المستندات المستند إلى سير العمل Nanonets. استخراج البيانات من الفواتير أو بطاقات الهوية أو أي مستند على الطيار الآلي!

.cta-first-blue {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: # 546fff ؛ اللون الابيض؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ حجم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-first-blue: تحوم {color: # 546fff؛ الخلفية: أبيض ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-second-black {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: أبيض ؛ اللون: # 333 ؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ تحجيم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .cta-second-black: تحوم {color: white؛ الخلفية: # 333 ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .column1 {min-width: 240px؛ أقصى عرض: محتوى مناسب ؛ المساحة المتروكة لليمين: 4٪ ؛ } .column2 {min-width: 200px؛ أقصى عرض: محتوى مناسب ؛ } .cta-main {display: flex؛ }

---

أنواع HITL في ML

في Human in the Loop Machine Learning ، يشارك الإنسان على عدة مستويات.

خلق

يبدأ المكون البشري بإنشاء الخوارزمية وتنطلق الخوارزمية عليها. يشبه إلى حد كبير توني ستارك وجارفيز

قادة الإيمان

كما هو موضح سابقًا ، يحدث التعلم باستخدام البيانات. عندما لا يلمس الطفل اللهب ، فمن المحتمل أن يكون قد علمه شخص بالغ ألا يفعل ذلك. يتم استخدام الحكم البشري لتدريب النموذج بحيث يؤدي النموذج في الوقت المناسب مثل أو يتفوق على الإنسان في عمل التنبؤات باستخدام الأنماط.

بيانات التسمية

تحتاج نماذج التعلم الآلي البيانات المسمى التي يمكن التعلم منها. قد تحتوي بعض مجموعات البيانات بالفعل على تسميات ، ولكن في حالة عدم وجود بيانات محددة مسبقًا ، يجب على البشر تسمية البيانات التي تدرب خوارزمية تعلم الآلة. بحسب ال IDC، 90٪ من البيانات المتوفرة هي بيانات مظلمة ، أي بيانات غير منظمة / غير مصنفة. قد يستغرق وضع العلامات وقتًا طويلاً ، وعمل شاق. في الواقع ، أصبح تصنيف البيانات وظيفة قائمة بذاتها في هذا المجال الذكاء الاصطناعي وعلوم البيانات. على الرغم من أنه قد يبدو أمرًا عاديًا ، فإن وضع العلامات على مجموعات البيانات ليس دائمًا نشاطًا منخفض المستوى ، وقد تتطلب تطبيقات معينة معرفة خاصة بالمجال. على سبيل المثال ، يحتاج وضع العلامات على البيانات الطبية إلى معرفة الأمراض والظروف وما إلى ذلك. تتطلب معظم مجموعات البيانات المستخدمة في مجال الرعاية الصحية معرفة خاصة بالمجال ، مثل الطبيب الذي يضع علامة على الأشعة السينية للرئة على أنها سرطانية أم لا. يتطلب وضع علامات على البيانات المستخدمة لتدريب الذكاء الاصطناعي المستخدم في الرحلات الجوية معرفة الديناميكا الهوائية والمواضيع الهندسية الأخرى.

التحقق

بمجرد أن يبدأ نموذج ML في التنبؤ باستخدام بيانات العالم الحقيقي ، يتحقق HITL من صحة تنبؤات النموذج ويقدم ملاحظات حول الإيجابيات الخاطئة والسلبيات الخاطئة لـ ML للتدريب. يمكن للإنسان الموجود في الحلقة مراجعة أداء النموذج وتحليل أدائه من أجل تعديل الخوارزمية أو تحسين مجموعة بيانات التدريب.

---

هل تريد استخدام أتمتة العمليات الآلية؟ تحقق من برنامج معالجة المستندات المستند إلى سير العمل Nanonets. لا رمز. منصة خالية من المتاعب.

.cta-first-blue {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: # 546fff ؛ اللون الابيض؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ حجم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-first-blue: تحوم {color: # 546fff؛ الخلفية: أبيض ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-second-black {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: أبيض ؛ اللون: # 333 ؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ تحجيم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .cta-second-black: تحوم {color: white؛ الخلفية: # 333 ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .column1 {min-width: 240px؛ أقصى عرض: محتوى مناسب ؛ المساحة المتروكة لليمين: 4٪ ؛ } .column2 {min-width: 200px؛ أقصى عرض: محتوى مناسب ؛ } .cta-main {display: flex؛ }

---

أهمية ML-in-the-loop ML وأدوات الذكاء الاصطناعي الأخرى

عندما يكون هناك ندرة في بيانات التدريب

يتطلب التعلم الآلي التقليدي وأدوات الذكاء الاصطناعي الأخرى مجموعة بيانات كبيرة للتدريب جيدًا والحصول على نتائج دقيقة. في مجال جديد أو مجال يفتقر إلى البيانات السابقة ، لا تكون نماذج ML دقيقة للبدء وتستغرق وقتًا طويلاً قبل إنشاء بيانات كافية للتدريب. يمكن للذكاء الاصطناعي أن يساعد في هذه الحالات حيث يقوم الإنسان بتدريس الخوارزمية والأنماط والقواعد دون الحاجة إلى مجموعة بيانات كبيرة للعمل عليها. في هذا السياق ، يساعد HITL في التحقق من صحة النماذج ويسمح بالتدريب باستخدام البيانات غير المنظمة والتي يصعب تمييزها وتتغير باستمرار.

عندما لا يكون التجرد من الإنسانية خيارًا

هناك أيضًا مجالات محددة يكون فيها الإنسان في حلقة الذكاء الاصطناعي مفيدًا ، بل ضروريًا. مجال واحد هو الرعاية الصحية. في حين أن الذكاء الاصطناعي يمكنه بالتأكيد تسهيل التشخيص وحتى العلاجات ، مثل الجراحة الروبوتية ، فمن غير الواضح ما إذا كان يمكن أن يكون غير إنساني. صحيح بالفعل أن الذكاء الاصطناعي يمكن أن يساعد الأطباء في قضاء وقت أقل في المهام الإدارية والتشخيصية ، لكن الجدل مستمر حول ما إذا كان الذكاء الاصطناعي غير الإنساني سيقوض البعد الإنساني للعلاقة بين المريض والطبيب. الإجماع الأخلاقي العام هو أن الإنسان في الحلقة ضروري للذكاء الاصطناعي لخدمة الأهداف البشرية واحترام الهوية الشخصية وتعزيز التفاعل البشري.

حيث تكون العينان أكثر أمانًا من رؤية الآلة

هناك حاجة أيضًا إلى HITL في المواقف التي تتطلب أقصى درجات الدقة من أجل السلامة. ومن الأمثلة على ذلك تصنيع الأجزاء المهمة للمركبات أو الطائرات ؛ في حين أن أدوات الذكاء الاصطناعي مثل ML مفيدة للغاية لعمليات التفتيش ، فإن المراقبة البشرية في المجموعة ستضيف إلى موثوقية الجزء. علاوة على ذلك ، مع البيانات غير المكتملة أو المتحيزة ، يمكن أن تصبح نماذج التعلم الآلي متحيزة. يمكن للإنسان الموجود في الحلقة أن يكتشف ويصحح التحيز بمرور الوقت.

لزيادة الشفافية

يمكن أن تصبح تطبيقات الذكاء الاصطناعي صناديق سوداء يتم فيها إخفاء المعالجة التي تحول البيانات إلى قرار. هذا غير ملائم للأنشطة الحساسة للبيانات مثل التمويل والمصارف. هذه أيضًا مشكلة تتعلق بصنع القرار والامتثال التنظيمي واحتياجات الإفصاح المرتبطة بأنشطة معينة. في مثل هذه الحالات ، يسمح نموذج HITL للبشر بمعرفة كيفية وصول أداة الذكاء الاصطناعي إلى نتيجة معينة مع مجموعة معينة من البيانات. يسمح هذا لأداة الذكاء الاصطناعي / التعلم الآلي بأن تكون ، بلغة الديناميكا الحرارية ، نظامًا "مفتوحًا" وليس "منعزلاً".

لتمكين أداة الذكاء الاصطناعي

عندما يتعلم الطفل الأبجدية ، يكون المعلم مطلوبًا ، ولكن مع نموها ، يصبح دور المعلم توجيهًا بدلاً من التدريس في نهاية المطاف ، يمكن للكبار الآن التعلم بنفسه دون الحاجة إلى معلم. على هذا النحو ، يُطلب من الإنسان تدريب النظام أولاً ، وكلما تعلمت أداة الذكاء الاصطناعي من التدخل البشري ، كان ذلك أفضل ، ويمكن تقليل مقدار الوقت البشري في الحلقة ، أو حتى في بعض الحالات ، اقصاء. وبالتالي تستفيد أداة الذكاء الاصطناعي من الذكاء البشري من خلال حلقة التغذية الراجعة.

في التعلم العميق

يُستخدم التعلم العميق Human in the loop في السيناريو التالي:

• الخوارزميات لا تتعرف على بيانات الإدخال.
• يتم تفسير بيانات الإدخال بشكل خاطئ
• هناك تردد بشأن المهمة التالية لاستخدامها في البيانات
• لتمكين البشر من أداء مهام معينة بموضوعية
• لتقليل الأخطاء والتأخير الزمني للمهام البشرية

---

إذا كنت تعمل مع الفواتير والإيصالات أو كنت تقلق بشأن التحقق من الهوية ، فتحقق من شبكات Nanonets التعرف الضوئي على الحروف عبر الإنترنت or مستخرج نص PDF لاستخراج نص من مستندات PDF مجانا. انقر أدناه لمعرفة المزيد عن حلول أتمتة المؤسسات النانونية.

.cta-first-blue {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: # 546fff ؛ اللون الابيض؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ حجم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-first-blue: تحوم {color: # 546fff؛ الخلفية: أبيض ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-second-black {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: أبيض ؛ اللون: # 333 ؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ تحجيم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .cta-second-black: تحوم {color: white؛ الخلفية: # 333 ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .column1 {min-width: 240px؛ أقصى عرض: محتوى مناسب ؛ المساحة المتروكة لليمين: 4٪ ؛ } .column2 {min-width: 200px؛ أقصى عرض: محتوى مناسب ؛ } .cta-main {display: flex؛ }

---

تطبيقات البشر في الحلقة

أنظمة الذكاء الاصطناعي والتعلم الآلي موجودة في كل مكان في العالم اليوم. قد يكون الإنسان الموجود في الحلقة إما في نهاية الاستهلاك فقط ، أو في المجال التشغيلي أيضًا. تشمل الأمثلة الأولى استخدام محركات البحث ، والخرائط الرقمية ، والملاحة ، وما إلى ذلك ، حيث يستخدم المستهلك البشري نظام الذكاء الاصطناعي للاستفادة من الخدمات المختلفة.

بعض التطبيقات النموذجية التي يكون فيها HITL في مرحلة عملية AI / ML نفسها هي:

وسائل التواصل الاجتماعي

الخط الفاصل بين استخدام وإساءة استخدام تطبيقات الوسائط الاجتماعية جيد ، والحكم البشري ضروري للإعتدال في المحتوى. صحيح أن أنظمة الذكاء الاصطناعي يمكن أن تتعلم كيفية تنسيق المحتوى بمرور الوقت. ولكن من أجل ذلك ، تعد المشاركة البشرية ضرورية لمساعدة الآلة على تعلم التعرف على النص وأسماء المستخدمين والصور ومقاطع الفيديو التي قد تحتوي على عناصر تفاعل غير مرغوب فيها.

تكنولوجيا الرعاية الصحية

يجري تطوير التصوير الطبي والتعرف المستند إلى الذكاء الاصطناعي على السمات الطبيعية وغير الطبيعية للصورة على نطاق واسع. تتطلب مثل هذه التطورات تدخل خبراء الموضوع ، من أجل تدريب النموذج على البحث عن ميزات محددة للصورة تشير إلى تشوهات. حتى النماذج الأفضل تدريباً يجب أن تكون مدعومة بشكل أكبر بتأكيد بشري لأن الخدمات التشخيصية والعلاجية تتعامل مع الأرواح ، والأخطاء غير مقبولة. تتطلب تطبيقات تكنولوجيا الرعاية الصحية خدمات وسم البيانات المكثفة لزيادة بيانات التدريب الخاصة بهم.

وسائل النقل

لقد اقتربت السيارات ذاتية القيادة بالفعل من الاستخدام العملي ، ولكن لمزيد من التطورات ، يجب جمع كميات هائلة من البيانات في شكل صور ومقاطع فيديو وأصوات من قبل البشر والتعليق عليها. يعد تصنيف بيانات الصور مثل البشر والمركبات وحواجز الطرق والنباتات والحيوانات وأشكال الطرق وما إلى ذلك أمرًا ذا أهمية قصوى بالنسبة لـ ML لتمكين حوادث القيادة الآلية بدون حوادث. هناك حاجة إلى جهود بشرية هائلة لوضع العلامات والتعليقات التوضيحية لتحقيق مركبات ذاتية القيادة حقًا في العالم.

تطبيقات الدفاع

تتمثل الرؤية المستقبلية لمنظمات الدفاع في استخدام الأنظمة المستقلة في المهام الخطرة. يجب أن تكون مثل هذه الأنظمة قادرة على اتخاذ قرارات شبيهة بالإنسان في ظل ظروف من الثانية. ومع ذلك ، فإن كميات البيانات المتاحة لتدريب هذه الخلفيات عالية الأداء للذكاء الاصطناعي غير كافية حاليًا لتمكين الاستقلالية الكاملة. كما أن أنظمة الذكاء الاصطناعي الخالية من البشر غير قادرة على فهم المعلومات السياقية في المدخلات ويمكن أن يؤدي ذلك إلى تنبؤات وقرارات كارثية. وهكذا ، اعتبارًا من الآن ، من المؤكد أن الإنسان مطلوب في الحلقة لإبقاء العمليات الدفاعية تحت السيطرة والبشرية.

تطبيقات إبداعية

بالإضافة إلى التطبيقات "الأساسية" المذكورة أعلاه ، يمكن أن يكون لأنظمة HITL AI قيمة ترفيهية أيضًا. ال منظمة العفو الدولية المتمحورة حول الإنسان في ستانفورد مبادرة تصمم أنظمة تغمر التكنولوجيا بالتفاعل البشري لتطوير أدوات جديدة للإبداع الموسيقي وغيره من أشكال الإبداع البشري. أسلوب نقل الشبكات العصبية الاصطناعية العميقة استخدام التدخل البشري لتعليم الآلات "أنماط" اللوحات لإبداعات الذكاء الاصطناعي الجديدة.

تشمل المجالات الأخرى التي تستفيد من أنظمة Human in the loop AI الرياضة والألعاب (الفيديو والحياة الواقعية) والزراعة وأتمتة المصانع والأنشطة المالية.

---

هل تريد أتمتة المهام اليدوية المتكررة؟ وفر الوقت والجهد والمال مع تحسين الكفاءة!

.cta-first-blue {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: # 546fff ؛ اللون الابيض؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ حجم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-first-blue: تحوم {color: # 546fff؛ الخلفية: أبيض ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 546fff! مهم ؛ } .cta-second-black {الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ نصف قطر الحدود: 0 بكسل ؛ وزن الخط: عريض ؛ حجم الخط: 16 بكسل ؛ ارتفاع الخط: 24 بكسل ؛ الحشو: 12 بكسل 24 بكسل ؛ الخلفية: أبيض ؛ اللون: # 333 ؛ الارتفاع: 56 بكسل ؛ محاذاة النص: يسار ؛ عرض: مضمنة المرن ؛ الاتجاه المرن: صف. -موز-بوكس-محاذاة: مركز ؛ محاذاة العناصر: مركز ؛ تباعد الحروف: 0 بكسل ؛ تحجيم الصندوق: مربع الحدود ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .cta-second-black: تحوم {color: white؛ الخلفية: # 333 ؛ الانتقال: كل 0.1s مكعب بيزير (0.4 ، 0 ، 0.2 ، 1) 0 ثانية ؛ عرض الحدود: 2 بكسل! مهم ؛ الحدود: صلب # 333! مهم ؛ } .column1 {min-width: 240px؛ أقصى عرض: محتوى مناسب ؛ المساحة المتروكة لليمين: 4٪ ؛ } .column2 {min-width: 200px؛ أقصى عرض: محتوى مناسب ؛ } .cta-main {display: flex؛ }

---

يبعد

0:00

/

1 ×

لا يزال أمامنا طريق طويل ، إذا كان ذلك ممكنًا ، لكي ترتفع الروبوتات وتسيطر على العالم. لا يزال البشر مطلوبين في حلقة الذكاء الاصطناعي. لا يتمثل النهج الأوسع للذكاء الاصطناعي في تصميم آلة مثالية - وهو أمر صعب للغاية ، إن لم يكن مستحيلًا ، ولكن تصميم أنظمة تعاونية تجمع بين دقة التفكير البشري وقوة الأتمتة الذكية.

---

var contentTitle = "جدول المحتويات" ؛ // عيِّن العنوان الخاص بك هنا ، لتجنب عمل عنوان له لاحقًا var ToC = "

"+ contentTitle +"

"؛ ToC + = "

"؛ var tocDiv = document.getElementById ('dynamictocnative') ؛ tocDiv.outerHTML = ToC ؛

النانو OCR و OCR عبر الإنترنت لديها الكثير من الاهتمام استخدم حالات tيمكن أن تحسن أداء عملك ، وتوفر التكاليف وتعزز النمو. اكتشف كيف يمكن أن تنطبق حالات استخدام Nanonets على منتجك.

البدء

---

• كوينسمارت. أفضل بورصة للبيتكوين والعملات المشفرة في أوروبا.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. دخول مجاني.
• كريبتوهوك. الرادار. تجربة مجانية.
• المصدر: https://nanonets.com/blog/human-in-the-loop/