باحثو MIT يطورون نظاماً آلياً لتعليم المستخدمين متى يتعاونون مع مساعدي الذكاء الاصطناعي

طور باحثو MIT، بالتعاون مع مختبر MIT-IBM واطسون للذكاء الاصطناعي، نظاماً آلياً مبتكراً يهدف إلى معالجة سؤال حاسم في التعاون بين الإنسان والذكاء الاصطناعي: متى يجب على المستخدمين الوثوق بنصيحة مساعد الذكاء الاصطناعي؟ يقدم هذا النظام عملية توجيه مخصصة تساعد المستخدمين على تحديد متى يعتمدون على توصيات الذكاء الاصطناعي ومتى يمارسون الحذر.

عملية التوجيه المخصصة تعزز التعاون بين الإنسان والذكاء الاصطناعي

تم تصميم نظام فريق البحث لمساعدة المستخدمين، مثل المهنيين الطبيين أو أي شخص يعمل مع نماذج الذكاء الاصطناعي، على تعلم متى يتعاونون بفعالية مع مساعدي الذكاء الاصطناعي. يحقق ذلك من خلال عملية توجيه مخصصة ترشد المستخدمين لفهم موثوقية نصائح الذكاء الاصطناعي في مواقف محددة.

يحدد النظام الحالات التي يثق فيها المستخدمون بشكل خاطئ بتوصيات الذكاء الاصطناعي، حتى عندما تكون توقعات الذكاء الاصطناعي غير صحيحة. ثم يتعلم تلقائياً قواعد للتعاون ويبلغ عن هذه القواعد باللغة الطبيعية أثناء عملية التوجيه. هذا يمكّن المستخدمين من ممارسة التعاون مع الذكاء الاصطناعي من خلال تدريبات مبنية على هذه القواعد، مع تلقي ملاحظات حول أدائهم وأداء الذكاء الاصطناعي.

النتائج: دقة محسنة في التعاون بين الإنسان والذكاء الاصطناعي

أجرى الباحثون اختبارات لتقييم فعالية عملية التوجيه الخاصة بهم. أظهرت النتائج تحسناً كبيراً بنسبة 5 في المئة في الدقة عندما تعاون البشر والذكاء الاصطناعي في مهام توقع الصور مقارنة بالسيناريوهات التي تم فيها إخبار المستخدمين ببساطة متى يثقون بالذكاء الاصطناعي دون الاستفادة من التدريب.

نظام تعلم آلي بالكامل

أحد نقاط القوة الرئيسية لهذا النظام هو أتمتته الكاملة. يتعلم إنشاء عملية توجيه مخصصة بناءً على البيانات الناتجة عن تفاعلات الإنسان والذكاء الاصطناعي في مهمة محددة. علاوة على ذلك، يمكنه التكيف مع مهام مختلفة، مما يجعله أداة متعددة الاستخدامات لمجالات متنوعة حيث يتعاون البشر ونماذج الذكاء الاصطناعي، بما في ذلك تعديل محتوى وسائل التواصل الاجتماعي، والكتابة، والبرمجة، والأهم من ذلك، المجال الطبي.

معالجة الفجوة في تدريب الذكاء الاصطناعي

أبرز حسين موزانار، المؤلف الرئيسي لورقة البحث وطالب دراسات عليا في MIT، القضية الحاسمة المتمثلة في توفير أدوات الذكاء الاصطناعي للمستخدمين دون تدريب كافٍ. أكد أن كل أداة أخرى تقريباً تأتي مع شكل من أشكال البرنامج التعليمي، لكن أدوات الذكاء الاصطناعي غالباً ما تفتقر إلى هذا التدريب الأساسي. يهدف الباحثون إلى سد هذه الفجوة من خلال توفير نهج منهجي وسلوكي لتدريب المستخدمين في التعاون بين الإنسان والذكاء الاصطناعي.

آثار على المهنيين الطبيين

يتوقع الباحثون أن عملية التوجيه ستكون مكوناً حاسماً في تدريب المهنيين الطبيين الذين سيعتمدون بشكل متزايد على أدوات الذكاء الاصطناعي لاتخاذ قرارات حاسمة. يمكن أن يعيد هذا النهج تشكيل طريقة تقديم التعليم الطبي المستمر ويؤثر على تصميم التجارب السريرية.

التوجيه الآلي: كيف يعمل

على عكس طرق التوجيه الحالية التي تعتمد على مواد تدريبية ينتجها خبراء بشريون لحالات استخدام محددة، يتعلم نظام الباحثين تلقائياً من البيانات. يتبع سلسلة من الخطوات لإنشاء عملية توجيه مخصصة:

1. جمع البيانات: يجمع النظام البيانات حول كل من الإنسان والذكاء الاصطناعي أثناء أداء مهمة محددة، مثل اكتشاف الأشياء في الصور.

2. تمثيل الفضاء الكامن: يتم تضمين البيانات المجمعة في فضاء كامن، والذي يجمع نقاط البيانات المتشابهة معاً.

3. تحديد أخطاء التعاون: تحدد خوارزمية المناطق في الفضاء الكامن حيث يتعاون الإنسان بشكل غير صحيح مع الذكاء الاصطناعي. تمثل هذه المناطق المواقف التي وثق فيها الإنسان توقعات الذكاء الاصطناعي، لكن التوقعات كانت خاطئة، والعكس صحيح.

4. توليد القواعد: تستخدم خوارزمية ثانية نموذج لغة كبير لوصف كل منطقة بقواعد باللغة الطبيعية، مع ضبطها بشكل تكراري من خلال العثور على أمثلة متناقضة. تشكل هذه القواعد الأساس لتدريبات التدريب.

5. تدريبات التدريب: يقدم نظام التوجيه أمثلة للمستخدم، مثل الصور وتوقعات الذكاء الاصطناعي، ويطلب من المستخدم إجراء توقعات. إذا كانت توقعات المستخدم خاطئة، فإنه يحصل على الإجابة الصحيحة وإحصائيات الأداء.

6. التعلم للتعاون المستقبلي: من خلال هذه العملية، يتعلم المستخدمون كيفية التعاون بفعالية مع الذكاء الاصطناعي من خلال فهم القواعد حول متى يجب الوثوق بتوصيات الذكاء الاصطناعي.

فعالية عملية التوجيه

أجرى الباحثون اختبارات تتضمن مهاماً مثل اكتشاف إشارات المرور في الصور الضبابية والإجابة على أسئلة اختيار من متعدد من مجالات مختلفة. أظهرت النتائج أن عملية التوجيه بدون توصيات حسنت دقة المستخدمين بشكل كبير بنسبة حوالي 5 في المئة في مهمة توقع إشارات المرور دون إبطاء سرعتهم. ومع ذلك، كانت عملية التوجيه أقل فعالية لمهمة الإجابة على الأسئلة، ربما بسبب تقديم نموذج الذكاء الاصطناعي للشرح مع كل إجابة.

على العكس من ذلك، كان لتقديم التوصيات دون توجيه تأثير ضار على أداء المستخدم وسرعة اتخاذ القرار. بدا أن المستخدمين يكافحون عندما تُعطى لهم التوصيات وحدها، حيث اضطرت عملية تفكيرهم.

البحث المستقبلي والتوسع

يخطط فريق البحث لإجراء دراسات أكبر لتقييم كل من التأثيرات قصيرة وطويلة المدى لعملية التوجيه. كما يهدفون إلى الاستفادة من البيانات غير الموسومة لتعزيز عملية التوجيه واستكشاف طرق لتقليل عدد المناطق دون استبعاد الأمثلة الحاسمة.

شدد دان ويلد، الأستاذ الفخري في جامعة واشنطن، على أهمية قيام مطوري الذكاء الاصطناعي بإنشاء طرق تساعد المستخدمين على التمييز متى يكون من الآمن الاعتماد على اقتراحات الذكاء الاصطناعي. يمثل نظام التوجيه الآلي الذي طوره باحثو MIT خطوة كبيرة نحو تحقيق هذا الهدف.

يقدم نظام التوجيه الآلي الذي طوره باحثو MIT ومختبر MIT-IBM واطسون للذكاء الاصطناعي حلاً واعداً لتحديد متى يجب على المستخدمين الوثوق بتوصيات الذكاء الاصطناعي. من خلال توفير عملية توجيه آلية بالكامل ومبنية على البيانات وقابلة للتكيف، فإن هذا النظام لديه القدرة على تعزيز التعاون بين الإنسان والذكاء الاصطناعي في مجالات مختلفة، بما في ذلك الرعاية الصحية ووسائل التواصل الاجتماعي والكتابة والبرمجة. مع استمرار الذكاء الاصطناعي في لعب دور متزايد الأهمية في عمليات اتخاذ القرار، لا يمكن المبالغة في أهمية مثل هذه طرق التدريب.