ヒューマンインザループ

プラトン再発行

フォロワー： 0

ループ内の人間

自動化ソリューションをお探しですか?これ以上探さない！

.cta-first-blue {遷移：すべての0.1sキュービックベジェ（0.4、0、0.2、1）0s; border-radius：0px; フォントの太さ：太字; フォントサイズ：16px; 行の高さ：24px; パディング：12px 24px; 背景：＃546fff; 色：白; 高さ：56px; text-align：左; 表示：インラインフレックス; フレックス方向：行; -moz-box-align：center; align-items：center; 文字間隔：0px; ボックスサイズ：border-box; border-width：2px！important; ボーダー：実線＃546fff！重要; } .cta-first-blue：hover {color：＃546fff; 背景：白; 遷移：すべての0.1sキュービックベジェ（0.4、0、0.2、1）0s; border-width：2px！important; ボーダー：実線＃546fff！重要; } .cta-second-black {遷移：すべての0.1sキュービックベジェ（0.4、0、0.2、1）0s; border-radius：0px; フォントの太さ：太字; フォントサイズ：16px; 行の高さ：24px; パディング：12px 24px; 背景：白; 色：＃333; 高さ：56px; text-align：左; 表示：インラインフレックス; フレックス方向：行; -moz-box-align：center; align-items：center; 文字間隔：0px; ボックスサイズ：border-box; border-width：2px！important; ボーダー：実線＃333！重要; } .cta-second-black：hover {color：white; 背景：＃333; 遷移：すべての0.1sキュービックベジェ（0.4、0、0.2、1）0s; border-width：2px！important; ボーダー：実線＃333！重要; } .column1 {min-width：240px; max-width：fit-content; パディング-右：4％; } .column2 {min-width：200px; max-width：fit-content; } .cta-main {display：flex; }

「ますます多くの人工知能が世界に参入するにつれ、ますます心の知能指数がリーダーシップを発揮する必要があります。」 - アミット・レイ、有名な AI 科学者、『Compassionate Artificial Intelligence』の著者

私たちが生きている第 4 次産業時代は、炭素ベースの脳とシリコンの脳が融合するという点で破壊的です。検索エンジン、デジタルアシスタント、地図、ナビゲーションなど、人工知能はすでに私たちの生活の一部となっており、たとえ私たちが気づいていなくても、そのリストは無限にあります。機械は動作中に「学習」できるようになりましたが、ほとんどの場合、そのプロセスから人間が排除されるわけではありません。

Human in the Loop または HITL システムでは、両方の形式のインテリジェンスが相互に利益を得るためにエレガントに対話できます。

Human in the Loop AI について詳しく学びましょう。

var contentsTitle="目次"; //タイトルをここに設定して、後で見出しが作成されないようにしますvar ToC =“

「+contentsTitle+」

「; ToC + =“

「; var tocDiv = document.getElementById（'dynamictocnative'）; tocDiv.outerHTML = ToC;

人間関係者の定義

1978 年に Paul Ehrlich が「間違いを犯すのは人間であり、本当に問題を起こすにはコンピュータが必要である」と書いて以来、私たちのマシンは大きな進歩を遂げてきました。今日の人工知能ツールは非常に進歩しているため、誤差の範囲は大幅に減少しています。 AI ツールは現在、航空、生命維持、兵器制御など、ミスが致命的となる重要なアプリケーションで使用されているため、これは重要です。

そうは言っても、AI は、それを構築した人間と同様に、完璧ではありません。機械は既存のデータとパターンから理解を構築するため、AI ツールによる予測は 100% 正確ではありません。これは人間の知能にも当てはまりますが、人間の知能には複数の入力を使用する試行錯誤ベースの認知要素と感情的推論の要素が追加されています。このため、人間は間違いを犯しやすくなり、機械は物事を汚しやすくなります。

しかし冗談はさておき、精度に固有の不確実性があるため、AI システムはまだ完全に人間の手を使わずにはいられません。すべてではないにしても、ほとんどの AI ツールは、軌道を修正したり、単に監視したりするために、ある程度の人間の対話を使用します。人間と機械の間の相互作用によりフィードバックループが形成され、AI システムの定期的な軌道修正が可能になり、パフォーマンスが向上し、自律性が強化されます。こうして、Human in the Loop の正式な定義が明らかになります。

ループ内の人間 — 情報源：人間がループに参加する – 人間がループに参加することで、継続的により優れたモデルを作成します

実際、ヒューマンインザループ AI を使用すると、人間は、一定の信頼レベル以下の予測について AI モデル (ML、DL、ANN など) にフィードバックを提供できます。

したい PDFからデータをスクレイピングドキュメント、変換 PDFからXMLへ or テーブル抽出を自動化する？ Nanonetsをチェックしてください PDFスクレーパー or PDFパーサー変換するデータベースへのPDF エントリー！

Nanonetsを無料でお試しください

ML、HITL に適した人気の AI ツール

学習とは、既存のデータを使用して将来の予測を行うプロセスです。「火傷を負った子供が火を怖がる」は、気がかりではあるものの、共感できる学習プロセスの例です。 AI ツールの 1 つである機械学習もほぼ同じように機能します。既存のデータからパターンを学習し、そのパターンに基づいて予測を行います。たとえば、感情的な顔の既存のデータベースから幸せな顔と悲しい顔の画像を使用して、ML ツールは新しい顔を幸せな顔か悲しい顔として識別します。その後、予測が検証され、正しいと判断された場合は、この新しい「エクスペリエンス」を別のデータポイントとして隠して先に進みます。そうでない場合は、機械のコースが修正されます。

反復的な手動タスクを自動化したいですか？ Nanonetsワークフローベースのドキュメント処理ソフトウェアを確認してください。請求書、IDカード、または自動操縦のドキュメントからデータを抽出します。

Nanonetsを無料でお試しください

ML における HITL の種類

ヒューマンインザループ機械学習では、人間はさまざまなレベルで参加します。

創造

人間のコンポーネントはアルゴリズムの作成から始まり、アルゴリズムはその上で始まります。トニー・スタークと彼のJARVISのように

トレーニング

前述したように、学習はデータを使用して行われます。子どもが火に触れないときは、大人が火に触れないように教えたのでしょう。人間の判断を使用してモデルをトレーニングし、やがてモデルがパターンを使用した予測において人間と同等またはそれを上回るパフォーマンスを発揮できるようにします。

ラベル付けデータ

機械学習モデルにはラベル付きデータそこから学ぶ。一部のデータセットにはすでにラベルが付いている場合がありますが、事前にラベル付けされたデータがない場合、人間はMLアルゴリズムをトレーニングするデータにラベルを付ける必要があります。による IDC、利用可能なデータの90％はダークデータ、つまり非構造化/非分類データです。ラベル付けは、時間のかかる面倒な作業になる可能性があります。確かに、データのラベリングはフィールドでのスタンドアロンジョブ人工知能とデータサイエンスの。ありふれたことのように聞こえるかもしれませんが、データセットのラベル付けは必ずしもローエンドのアクティビティではなく、特定のアプリケーションではドメイン固有の知識が必要になる場合があります。たとえば、医療データのタグ付けには、病気や状態などに関する知識が必要です。ヘルスケアドメインで使用されるほとんどのデータセットには、医師が肺のX線に癌性かどうかのタグを付けるなど、ドメイン固有の知識が必要です。フライトで使用されるAIのトレーニングに使用されるデータのタグ付けには、空気力学やその他のエンジニアリングトピックに関する知識が必要です。

検証

ML モデルが実世界のデータを使用して予測を開始すると、HITL はモデルの予測を検証し、トレーニングのために偽陽性と偽陰性に関するフィードバックを ML に提供します。ループに参加している人間は、アルゴリズムを微調整したり、トレーニングデータセットを改善したりするために、モデルのパフォーマンスをレビューし、そのパフォーマンスを分析できます。

ロボットプロセス自動化を使用したいですか？ Nanonetsワークフローベースのドキュメント処理ソフトウェアをチェックしてください。コードはありません。面倒なプラットフォームはありません。

Nanonetsを無料でお試しください

人間参加型 ML およびその他の AI ツールの重要性

トレーニングデータが不足している場合

従来の機械学習やその他のAIツールでは、適切にトレーニングして正確な結果を得るには、大規模なデータセットが必要です。新しいフィールドまたは以前のデータが不足しているフィールドでは、MLモデルを開始するのは正確ではなく、トレーニングに十分なデータが生成されるまでに長い時間がかかります。ヒューマンインザループAIは、大規模なデータセットを使用せずに、人間がアルゴリズム、パターン、ルールを教える場合に役立ちます。そのコンテキストでは、HITLはモデルの検証を支援し、構造化されておらず、タグ付けが難しく、絶えず変化するデータを使用したトレーニングを可能にします。

人間性の抹殺が選択肢ではない場合

AIのループにいる人間が有用であり、必要でさえある特定の分野もあります。 XNUMXつの分野はヘルスケアです。 AIは確かに診断やロボット手術などの治療を容易にすることができますが、非人間化できるかどうかは不明です。 AIは、臨床医が管理および診断タスクに費やす時間を短縮するのに役立つことは確かですが、非人間化されたAIが患者と医師の関係の人道的側面を損なうかどうかについては議論が続いています。一般的な倫理的コンセンサスは、AIが人間の目的を果たし、個人のアイデンティティを尊重し、人間の相互作用を促進するために、ヒューマンインザループが必要であるというものです。

マシンビジョンよりもXNUMXつの目が安全な場所

HITLは、安全のために最高の精度が必要な状況でも必要です。例としては、車両や飛行機の重要な部品の製造があります。 MLなどのAIツールは検査に非常に役立ちますが、グループ内の人間のモニターは部品の信頼性を高めます。さらに、データが不完全または偏っている場合、機械学習モデル自体に偏りが生じる可能性があります。ループ内の人間は、時間の偏りを検出して修正できます。

透明性を高めるため

AIアプリケーションは、データを意思決定に変換する処理が隠されたブラックボックスになる可能性があります。これは、金融や銀行などのデータに敏感な活動には不便です。これは、特定の活動に関連する意思決定、規制順守、および開示のニーズにとっても問題です。このような場合、HITLモデルを使用すると、人間はAIツールが特定のデータセットを使用して特定の結果に到達する方法を確認できます。これにより、AI / MLツールは、熱力学の用語では、「分離された」システムではなく「オープンな」システムになります。

AIツールを強化するには

子供がアルファベットを学ぶときは先生が必要ですが、成長するにつれて先生の役割は最終的に教えるのではなく指導になり、今の大人は先生を必要とせずに自分で学ぶことができます。そのように、人間は最初にシステムをトレーニングする必要があり、AIツールが人間の介入から学習すればするほど、システムはより良くなり、ループ内の人間の時間の量を減らすことができます。排除されました。したがって、AIツールは、フィードバックループを通じて人間の知性から恩恵を受けます。

ディープラーニングで

ヒューマンインザループディープラーニングは、次のシナリオで使用されます。

アルゴリズムは入力データを認識しません。
入力データが誤って解釈されている
データに採用する次のタスクには決定がありません
人間が特定のタスクを客観的に実行できるようにするため
ヒューマンタスクのエラーと時間遅延を減らすため

請求書や領収書を扱う場合、またはIDの確認について心配する場合は、Nanonetsをチェックしてください。 オンラインOCR or PDFテキストエクストラクタ PDFドキュメントからテキストを抽出するには 無料で。詳細については、以下をクリックしてください Nanonetsエンタープライズ自動化ソリューション.

Nanonetsを無料でお試しください

ループ内の人間のアプリケーション

AIおよびMLシステムは、今日、世界中に存在しています。ループ内の人間は、消費側にいる場合もあれば、運用領域にいる場合もあります。前者の例としては、検索エンジン、デジタルマップ、ナビゲーションなどの使用があり、人間の消費者はAIシステムを使用してさまざまなサービスを利用します。

HITLがAI/ML操作自体の段階にある典型的なアプリケーションは次のとおりです。

ソーシャルメディアアプリケーションの使用と乱用の間の境界線は良好であり、コンテンツをモデレートするには人間の判断が不可欠です。 AIシステムが時間の経過とともにコンテンツをモデレートすることを学ぶことができるのは事実です。しかし、そのためには、機械が望ましくない相互作用の要素を持っている可能性のあるテキスト、ユーザー名、画像、およびビデオを識別することを学習するのを助けるために、人間の関与が不可欠です。

ヘルスケア技術

医用画像と画像の正常および異常な特徴のAIベースの認識が広く開発されています。このような開発では、異常を示す画像の特定の特徴を探すようにモデルをトレーニングするために、対象分野の専門家による介入が必要です。診断および治療サービスは生命を扱い、間違いは受け入れられないため、最もよく訓練されたモデルでさえ、人間の確認によってさらに裏付けられる必要があります。ヘルスケア技術アプリケーションでは、トレーニングデータを補強するために集中的なデータラベリングサービスが必要です。

輸送手段

自動運転車はすでに実用化に近づいていますが、今後の発展のためには、画像、動画、音声などの大量のデータを収集し、人間が注釈を付ける必要があります。画像データに人間、車両、障害物、植生、動物、道路形状などのラベルを付けることは、MLが事故のない自動運転を可能にするために最も重要です。世界で真の自動運転車を実現するには、人間による多大なラベル付けと注釈の取り組みが必要です。

防衛アプリケーション

防衛組織の未来的なビジョンは、危険な任務で自律システムを使用することです。このようなシステムは、一瞬の条件下で人間のような決定を下すことができなければなりません。ただし、これらの高性能AIバックエンドをトレーニングするために利用できるデータの量は、現在、完全な自律性を実現するには不十分です。人間のいない人工知能システムは、入力内のコンテキスト情報を理解することもできず、これは壊滅的な予測と決定につながる可能性があります。したがって、現在のところ、防衛作戦を管理下に置き、人間であるためには、ループ内に人間が確実に必要です。

クリエイティブなアプリケーション

上記の「必須」アプリケーションに加えて、HITLAIシステムには娯楽的価値もあります。ザスタンフォード人間中心のAI イニシアチブは、テクノロジーに人間の相互作用を注入して、音楽やその他の形態の人間の創造性のための新しいツールを開発するシステムを設計します。スタイル転送の深い人工ニューラルネットワーク人間の介入を使用して、新しいAI作成のための絵画の「スタイル」を機械に教えます。

ヒューマンインザループAIシステムの恩恵を受ける他の分野には、スポーツ、ゲーム（ビデオおよび実生活）、農業、工場の自動化、および金融活動が含まれます。

反復的な手動タスクを自動化したいですか？効率を高めながら、時間、労力、お金を節約しましょう！

Nanonetsを無料でお試しください

取り除く

0:00

可能であれば、ロボットが台頭して世界を支配するまでには、まだ長い道のりがあります。人間は依然として人工知能のループに必要です。 AIへのより広範なアプローチは、完璧なマシンの設計ではありません。不可能ではないにしても、非常に困難ですが、人間の推論の微妙さとインテリジェントな自動化の力を組み合わせたコラボレーションシステムの設計です。

var contentsTitle="目次"; //タイトルをここに設定して、後で見出しが作成されないようにしますvar ToC =“