Når maskiner og mennesker arbejder sammen, kan de give mere præcise resultater end når de arbejder alene

I gennemsnit klarede en gruppe mennesker sig bedre end et enkelt menneske, uanset hvor stor gruppen var, men var mindre præcis end algoritmen alene. Efterhånden som mennesker udvikler maskiner, vil disse fortsat hjælpe os på mange måder, herunder ved at øge menneskers styrke eller udvide deres fysiske evner samt bidrage til at forbedre samspillet med medarbejdere og kunder. Når de arbejder sammen, kan de interagere og kommunikere mere effektivt.

For eksempel kan en person, der sidder foran et kamera en hel dag og skal holde øje med mistænkelig aktivitet, blive træt, hvilket kan føre til fejl. Mens dette er tilfældet for mennesker, bliver maskinen derimod hverken træt, keder sig eller bliver distraheret; dog kan den algoritme, der har til opgave at genkende ansigter, begå fejl. Som Riccardo Polis forskning har vist, er mennesker langt bedre til at udføre denne opgave.

01Typer af kunstig intelligens

To typer AI-systemer kan genkende ansigter i en scene med mange mennesker.

Algoritme til ansigtsgenkendelse

Dette er det system, der genkender dele af ansigtsbillederne og sammenligner disse ansigter med et billede af den eftersøgte person; når det finder et match, vurderer det også, hvor præcist matchet er.

Hjerne-computer-grænseflade

Systemet anvender sensorer på personens hovedbund til at registrere den hjerneaktivitet, der er forbundet med, hvor selvsikker en bestemt person er, når vedkommende træffer en beslutning.

I det eksperiment, som Riccardo Poli gennemførte med 10 forsøgspersoner, hvor han viste dem 288 billeder af et overfyldt indendørs miljø i 300 millisekunder (så længe det tager at blinke med øjet), og bagefter blev hver person bedt om at afgøre, om en bestemt persons ansigt var med på billedet eller ej. I gennemsnit var de i stand til at skelne korrekt og identificerede 72 % af billederne korrekt, mens AI-systemet var i stand til at genkende 84 % af billederne.

Samarbejde mellem mennesker og maskiner

Først og fremmest skal man forstå, hvordan mennesker mest effektivt kan supplere maskiner, og hvordan maskiner kan styrke det, som mennesker er bedst til, samt udforme en proces i overensstemmelse med det indbyrdes forhold mellem dem og gennemføre forskning inden for forskellige områder for at udnytte styrken ved samarbejde.

Mennesker skal udføre tre afgørende opgaver: Når de bistår maskiner, skal de lære maskinerne, hvordan opgaverne skal udføres – især når resultaterne er omstridte –, forhindre, at maskinerne skader mennesker, og sikre en ansvarlig brug af maskinerne.

AI-systemer skal lære at interagere med mennesker for at udvikle den rette personlighed – selvsikker, omhyggelig og ikke dominerende. Som eksempel kan nævnes, at Amazons Alexa for nylig har forsøgt at vise større forståelse over for kunderne, og der er også indbygget en funktion, hvor den roligt forklarer følsomme emner som overgangsalderen og hvordan kvinder håndterer den.

Algoritmer til maskinlæring skal læres at udføre det arbejde, de er udviklet til; der samles enorme træningsdatasæt for at lære maskinoversættelsesapps at håndtere idiomatiske udtryk og medicinske apps at opdage sygdomme og understøtte økonomiske beslutninger.

Mennesker er mindre præcise end kunstig intelligens, men hjerne-computer-grænsefladerne har vist, at de personer, der er mere sikre på deres valg, har større præcision og som regel har større indflydelse på gruppens beslutninger end det automatiserede system, og når der ikke er enighed mellem mennesker og kunstig intelligens, er det etisk set enklere at lade mennesker træffe beslutningen.

Eksempel

En række eksperter, også kaldet sikkerhedsingeniører, har til opgave at forudse og forsøge at forhindre eventuelle skader, som kunstig intelligens kan forårsage på mennesker. Udviklere af industrirobotter, der arbejder side om side med mennesker, skal være opmærksomme på at genkende mennesker i nærheden og sikre, at de ikke udsættes for fare.

Hvorfor samarbejder mennesker og maskiner bedre?

Det er ikke så længe siden, at robotter og kunstig intelligens blev betragtet som en stor trussel på arbejdspladsen, og at der også var nyheder om, at de ville overtage menneskers job og dermed føre til omfattende arbejdsløshed.

Mennesker klarer sig bedre i komplekse og uforudsigelige miljøer, og det er derfor, vi er bedre til opgaver, der indebærer social interaktion, kreativitet og orientering i den fysiske verden, mens maskiner derimod overgår mennesker, når de står over for snævert definerede udfordringer, der kan løses gennem præcis gentagelse eller hurtige beregninger, da de hverken keder sig eller bliver trætte og leverer resultater med både hastighed og nøjagtighed.

Den samarbejdsbaserede tilgang rummer potentiale for nye, hidtil uforudsete fordele; den gør det muligt for AI-systemer at fungere som drivkraft for forandring på tværs af organisationer. Maskinlæringsalgoritmer er omkostningseffektive til at klassificere forskellige tekster, hvilket hjælper mennesker med at udføre beregnings- og analyseopgaver mere præcist, utrætteligt og døgnet rundt.

02Konklusion

Når maskiner og mennesker arbejder sammen, kan de opnå gode resultater inden for områder som medicin – ved at bidrage til diagnosen gennem billedgenkendelse, i kreditorbogholderiet ved at behandle tusindvis af fakturaer på kortere tid og dermed mindske risikoen for fejl ved indtastning – og mange andre lignende områder, hvor de opnår resultater, der overstiger, hvad hver for sig kan opnå. En følge heraf er, at AI-systemer er afhængige af mennesker for at få input, ligesom menneskelige medarbejdere er afhængige af intelligent automatisering. Maskiner og algoritmer behøver ikke at erstatte mennesker; de skal blot arbejde sammen for at finde frem til det bedst mulige resultat.

Hvad adskiller Monarch Innovation fra andre AR- og VR-virksomheder?