人工智能的未来需要人类的接触
人工智能技术的快速发展让人们对其改善我们日常生活的潜力感到兴奋。因此，人工智能专家经常围绕如何在我们的社会中利用人工智能的最佳方式进行对话，并由此产生了以人为中心的人工智能方法。以人为中心的人工智能不是用机器代替人类，而是用机器来增强人类的体验。
在以人为中心的人工智能中，人类的输入是设计和构建过程的中心。这种方法利用了人和机器的优势，使他们能够以一种相互减少盲点的方式进行合作。以人为中心的人工智能是以人们的福祉为出发点创造的，专注于将无缝融入我们生活的技术，以改善我们的整体体验。这是一种弥合人类和机器之间差距的方式，对双方都有利。
以人为中心或自主的人工智能
我们正处于人工智能讨论的关键时刻，有两种方法可以最终构建机器学习模型。一种是以人为中心的方法，而另一种则是将机器自治的世界可视化。后者的想法是，机器可以在没有人类干预的情况下处理任务，因为从理论上讲，它们不存在人类固有的偏见(事实证明，这并不完全正确，但后面会进一步讨论)。这种方法假设，算法可以迅速而准确地自主做出决定，而人类并不总是逻辑或快速地思考。因此，自动机器的效率更高。
以人为中心的人工智能方法回应了自主方法，声称机器永远无法取代人类的关键属性，例如我们的智能和创造力的全部广度。人类必须拒绝完全由算法控制，而是在指导解决方案方面占据主导地位，这将补充并加强他们的生活。bob平台app下载以人为本的方法提倡在机器和人类之间建立更有效的体验，在开发解决方案和实施时都考虑到人类的安全和健康。bob平台app下载
以人为中心的人工智能的好处
将人工智能作为机器和人类之间的协作努力，可以为企业、客户和社会带来许多积极的结果。
个性化的客户体验
当我们与科技互动时——无论是聊天机器人、个性化的电子邮件、为我们量身定制的社交网络，还是运行完美的搜索栏，如果互动是专门为我们和我们的需求服务的，我们离开时就会感到更满足。然而，只有在技术开发过程中考虑到我们的愿望、需求和行为，这样的个性化才能实现。基于人类科学的人工智能开发将带来更丰富、更满足客户体验的产品。
明智的决定
如前所述，以人为中心的方法利用了人和机器的优势，以克服各自的内在弱点。其结果是基于人类价值观构建的更精确的算法。反过来，通过在关键任务用例(如云操作)中应用预测分析技术，企业能够做出高度明智的决策，有可能产生最佳结果，从而受益。
更多的包容
如果你认为算法是解决人类偏见问题的答案，情况并非如此:算法实际上可以持续和放大偏见通过反馈回路。如果不加检查，一个有偏见的算法就不会提供客观中立的决定，这在算法做出诸如假释、贷款和工作候选人等重要的社会决定时尤其危险。
在构建人工智能时，以人为中心的方法将人类留在循环中，这样他们就可以监控算法决策中的偏差。这种方法实现了一个制衡系统，在这个系统中，人或机器都不是完全自主的，因此更容易找到使结果更具包容性的方法。
可靠性
虽然仅依靠算法似乎是一个更好、更可预测的选择，但以人为中心的人工智能方法提供了一个更可靠的解决方案。如果人类越来越依赖完全自主的算法，当这些算法不起作用时，我们将失去处理情况的能力。无论用例如何，人工智能都不确定如何回应或不正确地回应。通过将人类置于人工智能的中心，我们将避免被迫依赖有时会失败的算法所带来的问题结果。
如何构建以人为中心的人工智能
我们已经从理论上讨论了以人为中心的人工智能，但你如何在你的组织中实际实施这种方法呢?在AI开发过程中，你可以采取一些关键步骤，帮助你达到以人为中心的AI所需的平衡水平。
利用Human-in-the-Loop
的human-in-the-loop方法与以人为中心的人工智能携手并进。这意味着在构建ML模型的整个训练、测试和调优过程中，人类都参与其中。例如，人类可以标记用于帮助模型学习识别哪些特征的训练数据。bob体育手机下载人类还可以验证模型预测的准确性，并在模型出错时向模型提供反馈。换句话说，人类是模型持续反馈循环的一部分。
现在有了更先进的工具，可以进一步推进人与机器之间的协作。例如，在注释过程中，算法可以为给定标签提供一个初始的最佳猜测或假设。然后注释器可以使用它来确定自己的判断。算法还可以在提交作业之前验证注释器的判断。这些类型的工具使注释器和算法能够以一种最大化工作准确性和效率的方式协同工作。
注意人类和算法的偏差
在人工智能开发中，意识到偏见非常重要，以确保你不会过于依赖人类或机器的判断。考虑您的团队可能无意中引入的偏差，并计划缓解步骤，以确保不会发生这种情况。算法可以用来补偿人类的盲点，但要确保始终如一地监测模型输出的偏差;机器有时会放大人类的偏见。
构建多元化的团队
基于上一点，当AI是由不同的团队创造时，它往往不会有偏见。更多同质化的团队往往有类似的盲点、偏见和其他差距，这些可能最终反映在模型中。这也不只是针对开发者。重要的是，您选择的注释数据的人员至少具有人口统计学多样性，以及取决于您的用例的地理多样性。这为更多不同的意见打开了这个过程，这将导致更包容的人工智能。
为客户着想
以人为本的方法是以人为中心的。当你开发一款人工智能产品时，你希望最终结果能够提高并积极地增加客户的生活质量。你想要深入了解他们是谁(这包括他们的人口统计数据、背景、需求和地点，以及其他身份标识)，以及他们将如何使用你的技术。让最终用户的子集参与模型构建的测试和验证过程是获取他们反馈的好方法。你可能认为你的产品会以一种方式使用，结果发现最终用户的使用方式非常不同。唯一知道这一点的方法就是直接用它们来测试。
明智地利用自治
值得注意的是，机器自主有时在人工智能中也有一席之地。在一些用例中，机器完全控制决策是理想的，特别是在涉及到人类安全的情况下。自动驾驶汽车就是一个例子。人类驾驶容易发生意外(超过100万人世界各地每年都死于车祸)和通常是糟糕的决策者在开车。完全自动驾驶汽车有望代表人类驾驶员做出更高效、更安全的决策，并可能成为一个应该大力支持自动驾驶的用例。在这成为现实之前，人类和机器智能的结合可能是一种让道路对每个人都更安全的方法。换句话说，机器自治可以明智地应用于更敏感的用例。
推进以人为中心的人工智能方法
这是我们所有人的责任，进一步讨论人工智能将对我们的社会产生积极的影响。我们参与的对话能够并且确实影响人工智能从业者的优先事项和行动。我们需要提倡公平的人工智能，为所有使用它的人提供净利益，在整个开发过程中牢记这些终端用户。企业在可能的情况下参与知识共享也很重要，这可以增强对以人为本方法的信心。
随着人工智能技术的快速发展，关于我们如何与人工智能合作和使用的讨论比以往任何时候都更加重要。最终，我们想要创造一种技术环境，在这种环境中，人类会被机器增强，而不是取代。
资深数据科学家刘菲的专家见解
在Appen，我们有一个专家团队，帮助我们的客户利用以人为中心的人工智能建立尖端模型，满足他们的培训数据需求。bob体育手机下载资深数据科学家Phoebe Liu带领团队确保Appen遵守严格的人群诚信标准。以下是她对构建以人为中心的人工智能的想法和建议:
测试和理解人与人工智能的互动
理解并测试人类与人工智能之间的互动对于成功的用户体验至关重要。对于自动语音识别，用不同口音和不同说话方式的发言者进行测试。对于聊天机器人和语音人工智能中的NLU，测试那些像与另一个人聊天一样自然互动的用户。你在现实世界中进行的用户测试越多，你的用户和AI系统之间的互动就会越顺畅。
以人为中心的人工智能是多学科的
它汇集了来自不同领域的学者和实践者:工程师、心理学家、设计师、人类学家、社会学家以及其他领域的专家。创造一个成功的以人为中心的人工智能需要多个领域的合作来开发硬件或软件，分析用户在不同社会环境下与人工智能互动时的行为，以及特定应用所需的领域知识。由于不同的学科术语和实践，这种协作可能会很困难。然而，众多参与者对以人为中心的人工智能的共同兴趣，是促使自己熟悉和尊重获取知识的多种方式的强大动力。
考虑特定的人工智能任务候选人
人工智能是人类创造的一种工具，因此在设计阶段考虑它试图模仿人类智能的具体任务是很重要的。在设计系统时，我们需要专注于系统试图模拟的特定功能——例如，语音助手能够进行真实的问答，但不能在下雪的道路条件下自动导航。当我们设计以人为中心的人工智能时，我们首先应该考虑的是，在客观事实存在的情况下，人工智能试图完成的任务是否可以学会，如果不能，如何利用人类的专业知识最好地利用或增强人工智能系统。
我们能为你做什么
在Appen，我们充分利用人类和机器智能的优势，提供高质量的带注释的培训数据。bob体育手机下载我们的数据注释平台为全球最创新的机器学习和业务解决方案提供动力。bob平台app下载我们的许多注释工具都具有这样的特性智能标签功能，利用机器学习模型自动标记，使贡献者能够更快更准确地工作。我们重视人工智能的人在循环的方法，并让人类在我们所做的所有工作中处于中心地位。
我们理解当今组织的复杂需求。25年来，Appen以超过235种语言和方言为政府机构和世界上最大的企业提供了最高质量的数据和服务。
直接与某人谈论你的数据需求，联系我们今天。
