มนุษย์ในวง

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

มนุษย์ในวงจร

กำลังมองหาโซลูชันระบบอัตโนมัติอยู่ใช่ไหม มองไม่เพิ่มเติม!

.cta-first-blue{ การเปลี่ยนแปลง: ทั้งหมด 0.1 วินาที ลูกบาศก์เบซิเยร์ (0.4, 0, 0.2, 1) 0 วินาที; รัศมีเส้นขอบ: 0px; font-weight: ตัวหนา; ขนาดตัวอักษร: 16px; ความสูงของบรรทัด: 24px; ช่องว่างภายใน: 12px 24px; พื้นหลัง: #546ffff; สี: ขาว; ความสูง: 56px; text-align: ซ้าย; จอแสดงผล: อินไลน์ดิ้น; ทิศทางดิ้น: แถว; -moz-box-align: กึ่งกลาง; จัดรายการ: ศูนย์; ตัวอักษรเว้นวรรค: 0px; ขนาดกล่อง: เส้นขอบกล่อง; border-width:2px !สำคัญ; เส้นขอบ: ทึบ #546fff !important; } .cta-first-blue:hover { สี:#546fff; พื้นหลัง:สีขาว; การเปลี่ยนแปลง: ทั้งหมด 0.1s ลูกบาศก์เบซิเยร์(0.4, 0, 0.2, 1) 0s; border-width:2px !สำคัญ; เส้นขอบ: ทึบ #546fff !important; } .cta-second-black { การเปลี่ยนแปลง: 0.1s ลูกบาศก์เบซิเยร์ทั้งหมด (0.4, 0, 0.2, 1) 0s; รัศมีเส้นขอบ: 0px; font-weight: ตัวหนา; ขนาดตัวอักษร: 16px; ความสูงของบรรทัด: 24px; ช่องว่างภายใน: 12px 24px; พื้นหลัง: สีขาว; สี: #333; ความสูง: 56px; text-align: ซ้าย; จอแสดงผล: อินไลน์ดิ้น; ทิศทางดิ้น: แถว; -moz-box-align: กึ่งกลาง; จัดรายการ: ศูนย์; ตัวอักษรเว้นวรรค: 0px; ขนาดกล่อง: เส้นขอบกล่อง; border-width:2px !สำคัญ; เส้นขอบ: ทึบ #333 !สำคัญ; } .cta-second-black: โฮเวอร์ { สี: ขาว; พื้นหลัง:#333; การเปลี่ยนแปลง: ทั้งหมด 0.1s ลูกบาศก์เบซิเยร์(0.4, 0, 0.2, 1) 0s; border-width:2px !สำคัญ; เส้นขอบ: ทึบ #333 !สำคัญ; } .column1{ ความกว้างขั้นต่ำ: 240px; ความกว้างสูงสุด: เนื้อหาพอดี; ช่องว่างภายใน-ขวา: 4%; } .column2{ ความกว้างขั้นต่ำ: 200px; ความกว้างสูงสุด: เนื้อหาพอดี; } .cta-main{ แสดง: ดิ้น; }

“ในขณะที่ปัญญาประดิษฐ์เข้ามาในโลกมากขึ้น ความฉลาดทางอารมณ์ก็ต้องเข้าสู่ความเป็นผู้นำมากขึ้นเรื่อยๆ” -Amit Ray นักวิทยาศาสตร์ AI ที่มีชื่อเสียง ผู้แต่งปัญญาประดิษฐ์ที่มีความเห็นอกเห็นใจ

ยุคอุตสาหกรรมที่สี่ที่เราอาศัยอยู่นั้นก่อกวนโดยการผสมผสานสมองที่มีคาร์บอนเป็นส่วนประกอบกับสมองซิลิกอน ปัญญาประดิษฐ์เป็นส่วนหนึ่งของชีวิตเราแล้ว แม้ว่าเราจะไม่รู้ด้วยซ้ำว่า – เสิร์ชเอ็นจิ้น ผู้ช่วยดิจิทัล แผนที่ และการนำทาง รายการนั้นไม่มีที่สิ้นสุด เครื่องจักรสามารถ "เรียนรู้" ขณะทำงาน แต่ในกรณีส่วนใหญ่ วิธีนี้จะไม่แยกมนุษย์ออกจากกระบวนการ

มนุษย์ในระบบวนหรือระบบ HITL อนุญาตให้หน่วยสืบราชการลับทั้งสองรูปแบบโต้ตอบอย่างหรูหราเพื่อประโยชน์ร่วมกัน

ให้เราเรียนรู้เพิ่มเติมเกี่ยวกับมนุษย์ในวง AI

var contentsTitle = “สารบัญ”; // ตั้งชื่อของคุณที่นี่ เพื่อหลีกเลี่ยงการสร้างหัวข้อในภายหลัง var ToC = “

“+ชื่อเนื้อหา+”

“; โทค += “

“; var tocDiv = document.getElementById('ไดนามิกทอกเนทีฟ'); tocDiv.outerHTML = ToC;

คำจำกัดความของมนุษย์ในวง

เครื่องจักรของเรามาไกลตั้งแต่ Paul Ehrlich เขียนในปี 1978 ว่า “การทำผิดพลาดคือมนุษย์ การทำผิดกติกาจริงๆ ต้องใช้คอมพิวเตอร์” เครื่องมือปัญญาประดิษฐ์ในปัจจุบันก้าวหน้าไปมากจนระยะขอบของข้อผิดพลาดลดลงอย่างมาก นี่เป็นสิ่งสำคัญเพราะตอนนี้เครื่องมือ AI ถูกใช้ในแอปพลิเคชันที่สำคัญ ซึ่งรวมถึงเที่ยวบิน การช่วยชีวิต และการควบคุมอาวุธในกรณีที่ข้อผิดพลาดเป็นหายนะ

ที่กล่าวว่า AIs นั้นไม่สมบูรณ์แบบเช่นเดียวกับมนุษย์ที่สร้างมันขึ้นมา การคาดการณ์โดยเครื่องมือ AI นั้นไม่ถูกต้อง 100% เนื่องจากเครื่องสร้างความเข้าใจจากข้อมูลและรูปแบบที่มีอยู่ แม้ว่าสิ่งนี้จะเป็นจริงสำหรับความฉลาดของมนุษย์ แต่ก็มีองค์ประกอบเพิ่มเติมของการรับรู้แบบลองผิดลองถูกซึ่งใช้ปัจจัยการผลิตหลายอย่างและปัจจัยเพิ่มเติมของการให้เหตุผลทางอารมณ์ในสติปัญญาของมนุษย์ สิ่งนี้อาจทำให้มนุษย์มีแนวโน้มที่จะผิดพลาดในขณะที่เครื่องมีแนวโน้มที่จะเปรอะเปื้อน

แต่ที่น่าตลกคือ ระบบ AI ยังไม่สามารถปราศจากมนุษย์ได้อย่างสมบูรณ์ เนื่องจากความไม่แน่นอนของความแม่นยำโดยธรรมชาตินี้ และส่วนใหญ่ถ้าไม่ใช่ทั้งหมด เครื่องมือ AI ใช้ปฏิสัมพันธ์ของมนุษย์จำนวนหนึ่งเพื่อแก้ไขหรือตรวจสอบ ปฏิสัมพันธ์ระหว่างมนุษย์กับเครื่องจักรส่งผลให้เกิดลูปป้อนกลับที่ช่วยให้แก้ไขหลักสูตรเป็นระยะของระบบ AI เพื่อปรับปรุงประสิทธิภาพและเพิ่มความเป็นอิสระ จึงเกิดคำจำกัดความอย่างเป็นทางการสำหรับ Human in the Loop

มนุษย์ในวงจร — ที่มา: Humans in the Loop – สร้างแบบจำลองที่ดีขึ้นอย่างต่อเนื่องโดยมีมนุษย์อยู่ในวงจร

ผลที่ตามมาคือ AI แบบมนุษย์ในวงช่วยให้มนุษย์สามารถให้ข้อเสนอแนะแก่โมเดล AI (ML, DL, ANN ฯลฯ) สำหรับการคาดการณ์ที่ต่ำกว่าระดับความเชื่อมั่นบางอย่าง

ต้องการที่จะ ขูดข้อมูลจาก PDF เอกสารแปลง PDF เป็น XML or สกัดตารางอัตโนมัติ? ตรวจสอบ Nanonets' มีดโกน PDF or ตัวแยกวิเคราะห์ PDF เพื่อแปลง PDFs ไปยังฐานข้อมูล รายการ!

ลองใช้นาโนเน็ตฟรี

ML ซึ่งเป็นเครื่องมือ AI ยอดนิยมที่คล้อยตาม HITL

การเรียนรู้คือกระบวนการที่ใช้ข้อมูลที่มีอยู่แล้วในการทำนายอนาคต – “เด็กที่ถูกไฟไหม้นั้นกลัวไฟ” เป็นตัวอย่างของกระบวนการเรียนรู้ที่สัมพันธ์กันได้ แมชชีนเลิร์นนิงซึ่งเป็นหนึ่งในเครื่องมือของ AI ทำงานในลักษณะเดียวกันมาก โดยจะเรียนรู้รูปแบบจากข้อมูลที่มีอยู่และคาดการณ์ตามรูปแบบเหล่านี้ ตัวอย่างเช่น การใช้รูปภาพของใบหน้าที่มีความสุขและเศร้าจากฐานข้อมูลของใบหน้าทางอารมณ์ที่มีอยู่ก่อนแล้ว เครื่องมือ ML จะระบุใบหน้าใหม่ว่ามีความสุขหรือเศร้า จากนั้น การคาดการณ์จะได้รับการตรวจสอบ และหากพบว่าถูกต้อง ให้ก้าวไปข้างหน้า โดยซ่อน "ประสบการณ์" ใหม่นี้ไว้เป็นจุดข้อมูลอื่น ถ้าไม่ใช่ หลักสูตรเครื่องจะแก้ไข

ต้องการทำให้งานที่ทำด้วยตนเองซ้ำๆ เป็นแบบอัตโนมัติหรือไม่ ตรวจสอบซอฟต์แวร์ประมวลผลเอกสารตามเวิร์กโฟลว์ Nanonets ของเรา ดึงข้อมูลจากใบแจ้งหนี้ บัตรประจำตัวประชาชน หรือเอกสารใดๆ บนระบบอัตโนมัติ!

ลองใช้นาโนเน็ตฟรี

ประเภทของ HITL ใน ML

ใน Human in the Loop Machine Learning มนุษย์มีส่วนร่วมในหลายระดับ

การสร้าง

องค์ประกอบของมนุษย์เริ่มต้นด้วยการสร้างอัลกอริธึมและอัลกอริธึมเริ่มต้นขึ้น เหมือน Tony Stark และ JARVIS ของเขาเลย

การฝึกอบรม

ตามที่อธิบายไว้ก่อนหน้านี้ การเรียนรู้เกิดขึ้นกับข้อมูล เมื่อเด็กไม่แตะต้องเปลว ผู้ใหญ่อาจสอนว่าอย่าแตะต้อง การใช้วิจารณญาณของมนุษย์ใช้ในการฝึกแบบจำลอง เพื่อให้ในเวลาที่เหมาะสม แบบจำลองจะทำงานเหมือนหรือมีประสิทธิภาพเหนือกว่ามนุษย์ในการทำนายโดยใช้รูปแบบ

ข้อมูลการติดฉลาก

โมเดลแมชชีนเลิร์นนิงต้องการ ข้อมูลที่มีป้ายกำกับ จากที่จะเรียนรู้ ชุดข้อมูลบางชุดอาจมีป้ายกำกับอยู่แล้ว แต่หากไม่มีข้อมูลที่ติดป้ายกำกับไว้ล่วงหน้า มนุษย์ต้องติดป้ายกำกับข้อมูลที่ฝึกอัลกอริทึม ML ให้เป็นไปตาม ไอดีซี90% ของข้อมูลที่มีอยู่เป็นข้อมูลมืด เช่น ข้อมูลที่ไม่มีโครงสร้าง/ไม่มีการจัดหมวดหมู่ การติดฉลากอาจใช้เวลานานและน่าเบื่อหน่าย อันที่จริง การติดฉลากข้อมูลได้กลายเป็น งานเดี่ยวในสนาม ของปัญญาประดิษฐ์และวิทยาศาสตร์ข้อมูล การติดฉลากชุดข้อมูลไม่ใช่กิจกรรมระดับล่างเสมอไป อาจฟังดูเป็นเรื่องธรรมดา แต่แอปพลิเคชันบางรายการอาจต้องใช้ความรู้เฉพาะโดเมน ตัวอย่างเช่น การแท็กข้อมูลทางการแพทย์ต้องการความรู้เกี่ยวกับโรค สภาวะ ฯลฯ ชุดข้อมูลส่วนใหญ่ที่ใช้ในโดเมนการดูแลสุขภาพต้องการความรู้เฉพาะโดเมน เช่น แพทย์แท็กเอ็กซ์เรย์ปอดว่าเป็นมะเร็งหรือไม่ การแท็กข้อมูลที่ใช้ในการฝึก AI ที่ใช้ในเที่ยวบินต้องใช้ความรู้เกี่ยวกับอากาศพลศาสตร์และหัวข้อทางวิศวกรรมอื่นๆ

การตรวจสอบ

เมื่อโมเดล ML เริ่มทำนายโดยใช้ข้อมูลจริง HITL จะตรวจสอบการคาดการณ์ของโมเดลและให้ข้อเสนอแนะเกี่ยวกับผลบวกลวงและผลลบลวงแก่ ML สำหรับการฝึกอบรม มนุษย์ในลูปสามารถตรวจสอบประสิทธิภาพของโมเดลและวิเคราะห์ประสิทธิภาพ เพื่อปรับแต่งอัลกอริทึมหรือปรับปรุงชุดข้อมูลการฝึกอบรม

ต้องการใช้กระบวนการอัตโนมัติของหุ่นยนต์หรือไม่? ตรวจสอบซอฟต์แวร์ประมวลผลเอกสารตามเวิร์กโฟลว์ Nanonets ไม่มีรหัส ไม่มีแพลตฟอร์มที่ยุ่งยาก

ลองใช้นาโนเน็ตฟรี

ความสำคัญของ Human-in-the-loop ML และเครื่องมือ AI อื่นๆ

เมื่อขาดข้อมูลการฝึก

แมชชีนเลิร์นนิงทั่วไปและเครื่องมือ AI อื่นๆ ต้องการชุดข้อมูลขนาดใหญ่เพื่อฝึกฝนให้ดีและได้ผลลัพธ์ที่แม่นยำ ในฟิลด์ใหม่หรือฟิลด์ที่ไม่มีข้อมูลก่อนหน้า โมเดล ML นั้นไม่ถูกต้องในการเริ่มต้นและใช้เวลานานก่อนที่จะสร้างข้อมูลที่เพียงพอสำหรับการฝึกอบรม มนุษย์ในวงจร AI สามารถช่วยในกรณีที่มนุษย์สอนอัลกอริทึม รูปแบบ และกฎโดยไม่จำเป็นต้องใช้ชุดข้อมูลขนาดใหญ่ในการทำงาน ในบริบทนั้น HITL ช่วยตรวจสอบแบบจำลองและอนุญาตให้ฝึกอบรมโดยใช้ข้อมูลที่ไม่มีโครงสร้าง ติดแท็กยาก และเปลี่ยนแปลงตลอดเวลา

เมื่อการลดทอนความเป็นมนุษย์ไม่ใช่ทางเลือก

นอกจากนี้ยังมีฟิลด์เฉพาะที่มนุษย์ในวงของ AI มีประโยชน์แม้จำเป็น ด้านหนึ่งคือการดูแลสุขภาพ แม้ว่า AI จะสามารถช่วยให้การวินิจฉัยและการรักษาง่ายขึ้นได้อย่างแน่นอน เช่น การผ่าตัดด้วยหุ่นยนต์ แต่ก็ไม่มีความชัดเจนว่าจะสามารถขจัดความเป็นมนุษย์ได้หรือไม่ เป็นความจริงที่ AI สามารถช่วยให้แพทย์ใช้เวลาน้อยลงในงานธุรการและการวินิจฉัย แต่การถกเถียงยังคงมีอยู่ว่า AI ที่ลดทอนความเป็นมนุษย์จะบ่อนทำลายมิติที่มีมนุษยธรรมของความสัมพันธ์ระหว่างผู้ป่วยกับแพทย์หรือไม่ ฉันทามติตามหลักจริยธรรมโดยทั่วไปคือ มนุษย์ในวงเป็นสิ่งจำเป็นสำหรับ AI ในการให้บริการของมนุษย์ เคารพในอัตลักษณ์ส่วนบุคคล และส่งเสริมปฏิสัมพันธ์ของมนุษย์

ที่ดวงตาทั้งสองข้างปลอดภัยกว่าวิชันซิสเต็ม

HITL ยังจำเป็นในสถานการณ์ที่ต้องการความแม่นยำสูงสุดเพื่อความปลอดภัย ตัวอย่างเช่น การผลิตชิ้นส่วนที่สำคัญสำหรับยานยนต์หรือเครื่องบิน ในขณะที่เครื่องมือ AI เช่น ML มีประโยชน์อย่างมากสำหรับการตรวจสอบ จอภาพของมนุษย์ในกลุ่มจะเพิ่มความน่าเชื่อถือของชิ้นส่วน นอกจากนี้ ด้วยข้อมูลที่ไม่สมบูรณ์หรือมีความลำเอียง โมเดลการเรียนรู้ของเครื่องก็สามารถมีอคติได้เช่นกัน มนุษย์ในวงสามารถตรวจจับและแก้ไขอคติได้ทันเวลา

เพื่อความโปร่งใสที่เพิ่มขึ้น

แอปพลิเคชัน AI สามารถกลายเป็นกล่องดำซึ่งการประมวลผลที่แปลงข้อมูลเป็นการตัดสินใจถูกซ่อนไว้ ซึ่งไม่สะดวกสำหรับกิจกรรมที่มีความละเอียดอ่อนของข้อมูล เช่น การเงินและการธนาคาร นี่เป็นปัญหาสำหรับการตัดสินใจ การปฏิบัติตามกฎระเบียบ และความต้องการการเปิดเผยที่เกี่ยวข้องกับกิจกรรมบางอย่าง ในกรณีเช่นนี้ โมเดล HITL ช่วยให้มนุษย์เห็นว่าเครื่องมือ AI มาถึงผลลัพธ์เฉพาะด้วยชุดข้อมูลที่กำหนดได้อย่างไร วิธีนี้ช่วยให้เครื่องมือ AI/ML เป็นแบบ "เปิด" แทนที่จะเป็นระบบ "แยก" ในภาษาอุณหพลศาสตร์

เพื่อเพิ่มขีดความสามารถให้กับเครื่องมือ AI

เมื่อเด็กเรียนรู้อักษร จำเป็นต้องมีครู แต่เมื่อโตขึ้น บทบาทของครูจะกลายเป็นผู้ชี้นำทางมากกว่าการสอนในที่สุด ผู้ใหญ่ในปัจจุบันสามารถเรียนรู้ได้ด้วยตัวเองโดยไม่ต้องมีครู เช่นเดียวกัน มนุษย์จำเป็นต้องฝึกระบบก่อน และยิ่งเครื่องมือ AI เรียนรู้จากการแทรกแซงของมนุษย์มากเท่าไร ก็ยิ่งดีมากขึ้นเท่านั้น และลดระยะเวลาของมนุษย์ในวงจรลงได้ หรือในบางกรณีอาจถึงขั้น กำจัด ดังนั้นเครื่องมือ AI จึงได้รับประโยชน์จากความฉลาดของมนุษย์ผ่านลูปป้อนกลับ

ในการเรียนรู้อย่างลึกซึ้ง

การเรียนรู้เชิงลึกของมนุษย์ในลูปถูกใช้ในสถานการณ์ต่อไปนี้:

อัลกอริทึมไม่รู้จักข้อมูลที่ป้อน
ข้อมูลที่ป้อนถูกตีความผิด
มีความไม่แน่ใจในงานต่อไปที่จะใช้กับข้อมูล
เพื่อให้มนุษย์ทำงานบางอย่างได้อย่างเป็นกลาง
เพื่อลดข้อผิดพลาดและความล่าช้าของเวลาสำหรับงานของมนุษย์

หากคุณทำงานกับใบแจ้งหนี้และใบเสร็จรับเงินหรือกังวลเกี่ยวกับการตรวจสอบ ID ให้ตรวจสอบ Nanonets OCR ออนไลน์ or โปรแกรมแยกข้อความ PDF เพื่อแยกข้อความจากเอกสาร PDF ฟรี. คลิกด้านล่างเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับ นาโนเน็ตส์ เอ็นเตอร์ไพรส์ ออโตเมชั่น โซลูชั่น.

ลองใช้นาโนเน็ตฟรี

การประยุกต์ใช้ของมนุษย์ในวง

ระบบ AI และ ML มีอยู่ทั่วไปทุกหนทุกแห่งในโลกปัจจุบัน มนุษย์ในวงอาจอยู่ที่จุดสิ้นสุดการบริโภคหรือในขอบเขตการปฏิบัติงานเช่นกัน ตัวอย่างในอดีต ได้แก่ การใช้เสิร์ชเอ็นจิ้น แผนที่ดิจิทัล การนำทาง ฯลฯ ซึ่งผู้บริโภคที่เป็นมนุษย์ใช้ระบบ AI เพื่อใช้บริการต่างๆ

แอปพลิเคชันทั่วไปบางตัวที่ HITL อยู่ในขั้นตอนของการดำเนินการ AI/ML ได้แก่:

เส้นแบ่งระหว่างการใช้และการใช้แอปพลิเคชันโซเชียลมีเดียในทางที่ผิดนั้นเป็นเรื่องปกติ และวิจารณญาณของมนุษย์เป็นสิ่งสำคัญในการกลั่นกรองเนื้อหา เป็นความจริงที่ระบบ AI สามารถเรียนรู้ที่จะกลั่นกรองเนื้อหาเมื่อเวลาผ่านไป แต่ด้วยเหตุนี้ การมีส่วนร่วมของมนุษย์จึงเป็นสิ่งจำเป็นเพื่อช่วยให้เครื่องเรียนรู้ที่จะระบุข้อความ ชื่อผู้ใช้ รูปภาพ และวิดีโอที่อาจมีองค์ประกอบการโต้ตอบที่ไม่พึงประสงค์

เทคโนโลยีการดูแลสุขภาพ

การสร้างภาพทางการแพทย์และการจดจำลักษณะปกติและผิดปกติของภาพโดยใช้ AI กำลังได้รับการพัฒนาอย่างกว้างขวาง การพัฒนาดังกล่าวต้องการการแทรกแซงจากผู้เชี่ยวชาญเฉพาะด้าน เพื่อฝึกโมเดลให้มองหาลักษณะเฉพาะของภาพที่ชี้ไปที่ความผิดปกติ แม้แต่แบบจำลองที่ได้รับการฝึกฝนมาเป็นอย่างดียังต้องได้รับการสนับสนุนเพิ่มเติมโดยการยืนยันจากมนุษย์ เนื่องจากบริการด้านการวินิจฉัยและการรักษาจัดการกับชีวิต และความผิดพลาดต่างๆ นั้นไม่เป็นที่ยอมรับ แอปพลิเคชันเทคโนโลยีด้านการดูแลสุขภาพต้องการบริการการติดฉลากข้อมูลอย่างเข้มข้นเพื่อเพิ่มข้อมูลการฝึกอบรม

ยานพาหนะ

รถยนต์ที่ขับด้วยตนเองนั้นใกล้จะใช้งานได้จริงแล้ว แต่สำหรับการพัฒนาต่อไป มนุษย์จะต้องรวบรวมและใส่คำอธิบายประกอบข้อมูลจำนวนมหาศาลในรูปแบบของภาพ วิดีโอ และเสียงจำนวนมหาศาล การติดฉลากข้อมูลภาพเป็นมนุษย์ ยานพาหนะ สิ่งกีดขวางบนถนน พืช สัตว์ รูปร่างถนน ฯลฯ มีความสำคัญอย่างยิ่งยวดสำหรับ ML เพื่อเปิดใช้งานการขับขี่อัตโนมัติและอุบัติเหตุ ต้องใช้ความพยายามอย่างมากในการติดฉลากและใส่คำอธิบายประกอบโดยมนุษย์เพื่อสร้างยานยนต์ที่ขับเคลื่อนด้วยตัวเองอย่างแท้จริงในโลกนี้

แอปพลิเคชั่นป้องกัน

วิสัยทัศน์แห่งอนาคตสำหรับองค์กรด้านการป้องกันประเทศคือการใช้ระบบอัตโนมัติในภารกิจอันตราย ระบบดังกล่าวจะต้องสามารถตัดสินใจได้เหมือนมนุษย์ภายใต้สภาวะเสี้ยววินาที อย่างไรก็ตาม จำนวนข้อมูลที่มีอยู่เพื่อฝึกแบ็กเอนด์ AI ที่มีประสิทธิภาพสูงเหล่านี้ในปัจจุบันไม่เพียงพอที่จะเปิดใช้งานอิสระโดยสมบูรณ์ ระบบปัญญาประดิษฐ์ที่ปราศจากมนุษย์ยังไม่สามารถเข้าใจข้อมูลตามบริบทในการป้อนข้อมูล และอาจส่งผลให้เกิดการทำนายและการตัดสินใจที่ร้ายแรง ดังนั้น ณ ตอนนี้ มนุษย์จึงมีความจำเป็นอย่างยิ่งที่จะต้องคอยดูแลปฏิบัติการป้องกันให้อยู่ภายใต้การควบคุมและเป็นมนุษย์

แอปพลิเคชั่นสร้างสรรค์

นอกเหนือจากแอปพลิเคชันที่ "จำเป็น" ข้างต้นแล้ว ระบบ HITL AI ยังมีคุณค่าด้านความบันเทิงอีกด้วย ดิ สแตนฟอร์ด AI ที่มีมนุษย์เป็นศูนย์กลาง ความคิดริเริ่มออกแบบระบบที่ผสมผสานเทคโนโลยีเข้ากับปฏิสัมพันธ์ของมนุษย์เพื่อพัฒนาเครื่องมือใหม่สำหรับดนตรีและความคิดสร้างสรรค์ของมนุษย์ในรูปแบบอื่นๆ สไตล์การถ่ายโอนโครงข่ายประสาทเทียมลึก ใช้การแทรกแซงของมนุษย์เพื่อสอน "รูปแบบ" ของเครื่องจักรสำหรับการสร้าง AI ใหม่

สาขาอื่น ๆ ที่ได้รับประโยชน์จากระบบ AI ของมนุษย์ในวง ได้แก่ กีฬา เกม (วิดีโอและชีวิตจริง) เกษตรกรรม ระบบอัตโนมัติในโรงงาน และกิจกรรมทางการเงิน

ต้องการทำให้งานที่ทำด้วยตนเองซ้ำๆ เป็นแบบอัตโนมัติหรือไม่ ประหยัดเวลา ความพยายาม และเงิน พร้อมเพิ่มประสิทธิภาพ!

ลองใช้นาโนเน็ตฟรี

นำออกไป

0:00

เรายังคงเป็นหนทางอีกยาวไกลสำหรับหุ่นยนต์ที่จะครองโลก มนุษย์ยังคงเป็นที่ต้องการของปัญญาประดิษฐ์ แนวทางที่กว้างขึ้นสำหรับ AI ไม่ใช่การออกแบบเครื่องจักรที่สมบูรณ์แบบ ซึ่งยากอย่างยิ่ง ถ้าไม่ใช่เป็นไปไม่ได้ แต่เป็นการออกแบบระบบการทำงานร่วมกันที่ผสมผสานความละเอียดอ่อนของการใช้เหตุผลของมนุษย์และพลังของระบบอัตโนมัติอัจฉริยะ

“+ชื่อเนื้อหา+”

“; โทค += “

“; var tocDiv = document.getElementById('ไดนามิกทอกเนทีฟ'); tocDiv.outerHTML = ToC;

นาโนเน็ต OCR & OCR API ออนไลน์ มีความน่าสนใจมากมาย กรณีใช้ tหมวกสามารถเพิ่มประสิทธิภาพธุรกิจของคุณ ประหยัดต้นทุน และเพิ่มการเติบโต ค้นพบ กรณีการใช้งานของ Nanonets สามารถนำไปใช้กับผลิตภัณฑ์ของคุณได้อย่างไร