ستساعدك المقالة التالية: ما هو الإنسان في الحلقة (HITL)؟ – اتحدوا
أحد المصطلحات التي قد تواجهها عند التعامل مع الذكاء الاصطناعي (AI) والتعلم الآلي (ML) هو الإنسان في الحلقة (HITL). انها مجرد كما يبدو. HITL هو فرع من فروع الذكاء الاصطناعي يعتمد على كل من الذكاء البشري والآلي في إنشاء نماذج التعلم الآلي.
يعني نهج الإنسان في الحلقة أن الأشخاص يشاركون في دورة الخوارزمية للتدريب والضبط والاختبار.
بيانات التسمية البشرية الأولى ، والتي تساعد النموذج على تحقيق جودة عالية وبيانات تدريب عالية الكمية. ثم تتعلم خوارزمية التعلم الآلي كيفية اتخاذ القرارات بناءً على البيانات قبل أن يبدأ البشر في ضبط النموذج.
يمكن بعد ذلك اختبار النموذج والتحقق من صحته من قبل البشر من خلال تسجيل مخرجاته. هذه العملية مفيدة بشكل خاص في الحالات التي تكون فيها الخوارزمية غير واثقة من الحكم ، أو من ناحية أخرى ، حيث تكون الخوارزمية واثقة جدًا من قرار غير صحيح.
عملية HITL عبارة عن حلقة تغذية مرتدة مستمرة ، مما يعني أن كل مهمة من مهام التدريب والضبط والاختبار يتم إعادة إدخالها في الخوارزمية. تمكن هذه العملية الخوارزمية من أن تصبح أكثر فعالية ودقة بمرور الوقت ، وهو أمر مفيد بشكل خاص لإنشاء كميات كبيرة ودقيقة للغاية من بيانات التدريب لحالات استخدام محددة. تساعد البصيرة البشرية في ضبط النموذج واختباره حتى تتمكن المنظمة من تحقيق القرار الأكثر دقة وقابلية للتنفيذ.
الصورة: جامعة ستانفورد
أهمية التعلم الآلي لـ HITL
HITL هو فرع مهم للغاية من فروع الذكاء الاصطناعي حيث تتطلب نماذج التعلم الآلي التقليدية عددًا كبيرًا من نقاط البيانات المصنفة لتحقيق تنبؤات دقيقة. عندما يكون هناك نقص في البيانات ، لا تكون نماذج التعلم الآلي مفيدة.
خذ تعلم اللغة كمثال. إذا كانت لديك لغة لا يتحدث بها سوى بضعة آلاف من الأشخاص ، وتريد الحصول على رؤى ثاقبة لهذه اللغة من خلال التعلم الآلي ، فقد يكون من الصعب العثور على أمثلة كافية يتعلم منها النموذج. باستخدام نهج HITL ، يمكنك ضمان دقة مجموعات البيانات هذه.
تعد صناعة الرعاية الصحية أيضًا واحدة من أهم أنظمة HITL. وجدت دراسة أجرتها جامعة ستانفورد عام 2018 أن نموذج HITL يعمل بشكل أفضل من الذكاء الاصطناعي أو البشر بمفردهم.
تعمل أنظمة HITL على تحسين الدقة مع الحفاظ أيضًا على معايير المستوى البشري ، وهو أمر مهم للعديد من الصناعات في جميع أنحاء العالم.
متى تستخدم أنظمة HITL
هناك عدة أوقات محددة في دورة حياة الذكاء الاصطناعي يجب فيها استخدام التعلم الآلي البشري داخل الحلقة:
تمرين: أكثر الأماكن شيوعًا التي يستخدمها علماء بيانات HITL هي أثناء مراحل التدريب ، حيث يقدم البشر بيانات مصنفة لتدريب النموذج.
الضبط والاختبار: الوقت الرئيسي الآخر الذي يتم فيه استخدام HITL هو في مرحلتي الضبط والاختبار. يقوم البشر بضبط النماذج للحصول على دقة أعلى ، وهو أمر مهم بشكل خاص عندما يكون النموذج غير واثق.
من المهم ملاحظة أن نهج HITL ليس مناسبًا لكل مشروع تعلم آلي. يتم استخدامه في الغالب عندما لا يكون هناك الكثير من البيانات المتاحة.
يستخدم التعلم العميق البشري في الحلقة عندما يتفاعل البشر وعمليات التعلم الآلي في سيناريوهات معينة ، مثل: الخوارزميات لا تفهم المدخلات ؛ يتم تفسير إدخال البيانات بشكل غير صحيح ؛ لا تعرف الخوارزميات كيفية أداء مهمة محددة ؛ يجب أن يكون نموذج التعلم الآلي أكثر دقة ؛ يجب أن يكون المكون البشري أكثر كفاءة ودقة ؛ تكلفة الأخطاء مرتفعة للغاية في تطوير تعلم الآلة ؛ والبيانات المطلوبة غير متوفرة.
أنواع تصنيف البيانات لـ HITL
يمكن استخدام نهج HITL لأنواع مختلفة من تسمية البيانات اعتمادًا على نوع مجموعات البيانات المطلوبة. على سبيل المثال ، إذا احتاجت الآلة إلى تعلم التعرف على أشكال معينة ، فسيتم استخدام المربعات المحيطة. ولكن إذا احتاج النموذج إلى تصنيف كل جزء من الصورة ، يفضل التقسيم. عندما يتعلق الأمر بمجموعات بيانات التعرف على الوجه ، غالبًا ما يتم استخدام علامات الوجه.
تطبيق رئيسي آخر هو تحليل النص ، والذي يمكّن الآلة من فهم ما يقوله أو يكتبه البشر. لأن الناس يستخدمون كلمات مختلفة للتعبير عن نفس المعاني ، يجب أن تعرف أنظمة الذكاء الاصطناعي الاختلافات المختلفة. أخذ الأمور إلى أبعد من ذلك ، يمكن لتحليل المشاعر التعرف على نغمة كلمة أو عبارة معينة. تثبت هذه الأمثلة سبب أهمية استخدام نهج الإنسان في الحلقة.
لماذا يجب على شركتك تطبيق HITL
إذا كان عملك يتطلع إلى تثبيت نظام HITL ، فإن إحدى الطرق الأكثر شيوعًا للقيام بذلك هي استخدام برنامج التشغيل الآلي. هناك الكثير من برامج التشغيل الآلي التي تم إنشاؤها بالفعل حول نهج HITL ، مما يعني أنه قد تم بالفعل أخذ العملية في الاعتبار.
تمكن مثل هذه الأنظمة الشركة من تحقيق أداء عالي المستوى على الفور وتحقيق رؤى. يتم بالفعل تنفيذ أنظمة التعلم الآلي في جميع الصناعات تقريبًا ، مما يعني أنه يجب على المطورين التأكد من أن الأنظمة تعمل بشكل جيد مع البيانات المتغيرة.
هناك العديد من المزايا لتطبيق نظام HITL في شركتك:
يحسن عملية صنع القرار: يعمل نظام HITL على تحسين عملية اتخاذ القرار في الشركة من خلال توفير الشفافية والاتساق. كما أنه يحمي من التحيز من خلال تضمين ردود الفعل البشرية في عملية التدريب.
أكثر فعالية: تعتبر أنظمة HITL بشكل عام أكثر كفاءة من أنظمة التعلم الآلي التقليدية. إنها تتطلب وقتًا أقل للتدريب والضبط ، مما يعني أنها تنتج رؤى أسرع.
الشفافية: توفر أنظمة الإنسان في الحلقة مزيدًا من الشفافية في نموذج التعلم الآلي ، وكيف يعمل ، ولماذا توصل إلى قرار معين. تعد قابلية التفسير والمساءلة أمرًا أساسيًا لأنظمة الذكاء الاصطناعي الحالية ، ويساعد نهج HITL بشكل كبير.
تحديات أنظمة HITL
تقدم أنظمة الإنسان في الحلقة أيضًا بعض التحديات المحددة التي يجب معالجتها. أولاً ، يرتكب البشر أخطاء ، لذا فإن أي نظام به بشر يخاطر بأن يكون مخطئًا. يمكن أن يكون لهذا تأثير كبير على فعالية النظام. على سبيل المثال ، إذا ارتكب الإنسان خطأً عند تصنيف البيانات ، فإن هذا الخطأ نفسه سيشق طريقه عبر النظام بأكمله ويمكن أن يتسبب في مشاكل مستقبلية.
يمكن أن تكون أنظمة HITL بطيئة أيضًا لأن البشر يشاركون في عملية صنع القرار. أحد أكبر الأسباب وراء نمو الذكاء الاصطناعي والتعلم الآلي هو أن الآلات أسرع بشكل لا يصدق من البشر ، ولكن هذه السرعة التي تظهر غالبًا في أنظمة ML التقليدية لن تترجم دائمًا إلى أنظمة HITL.
يتمثل أحد التحديات الأخرى التي تواجه أنظمة HITL في أنها قد تكون مكلفة في الإنشاء والصيانة. إلى جانب التكاليف المرتبطة بالآلة ، يجب أن تضع الشركة ميزانية للعمالة البشرية أيضًا.
