Key Takeaways
- Para peneliti telah menciptakan teknik yang memungkinkan pengguna memberi peringkat pada hasil perilaku model pembelajaran mesin.
- Para ahli mengatakan metode ini menunjukkan bahwa mesin mengejar kemampuan berpikir manusia.
- Kemajuan dalam AI dapat mempercepat pengembangan kemampuan komputer untuk memahami bahasa dan merevolusi cara AI dan manusia berinteraksi.
Teknik baru yang mengukur daya nalar kecerdasan buatan (AI) menunjukkan bahwa mesin mengejar kemampuan berpikir manusia, kata para ahli.
Peneliti di MIT dan IBM Research telah menciptakan metode yang memungkinkan pengguna untuk menentukan peringkat hasil perilaku model pembelajaran mesin. Teknik mereka, yang disebut Minat Bersama, menggabungkan metrik yang membandingkan seberapa baik pemikiran model cocok dengan pemikiran orang.
"Hari ini, AI mampu mencapai (dan, dalam beberapa kasus, melebihi) kinerja manusia dalam tugas-tugas tertentu, termasuk pengenalan gambar dan pemahaman bahasa, " Pieter Buteneers, direktur teknik dalam pembelajaran mesin dan AI di komunikasi perusahaan Sinch, mengatakan kepada Lifewire dalam sebuah wawancara email. "Dengan pemrosesan bahasa alami (NLP), sistem AI dapat menafsirkan, menulis, dan berbicara bahasa seperti halnya manusia, dan AI bahkan dapat menyesuaikan dialek dan nadanya agar selaras dengan rekan-rekan manusianya."
Kecerdasan Buatan
AI sering memberikan hasil tanpa menjelaskan mengapa keputusan itu benar. Dan alat yang membantu para ahli memahami alasan model seringkali hanya memberikan wawasan, hanya satu contoh pada satu waktu. AI biasanya dilatih menggunakan jutaan input data, sehingga sulit bagi manusia untuk mengevaluasi keputusan yang cukup untuk mengidentifikasi pola.
Dalam makalah baru-baru ini, para peneliti mengatakan bahwa Kepentingan Bersama dapat membantu pengguna mengungkap tren dalam pengambilan keputusan model. Dan wawasan ini dapat memungkinkan pengguna untuk memutuskan apakah model siap untuk digunakan.
“Dalam mengembangkan Minat Bersama, tujuan kami adalah untuk dapat meningkatkan proses analisis ini sehingga Anda dapat memahami pada tingkat yang lebih global apa perilaku model Anda,” Angie Boggust, salah satu penulis makalah, kata dalam rilis berita.
Kepentingan Bersama menggunakan teknik yang menunjukkan bagaimana model pembelajaran mesin membuat keputusan tertentu, yang dikenal sebagai metode saliency. Jika model mengklasifikasikan gambar, metode saliency menyoroti area gambar yang penting bagi model ketika membuat keputusan. Minat Bersama bekerja dengan membandingkan metode saliency dengan anotasi yang dibuat oleh manusia.
Peneliti menggunakan Minat Bersama untuk membantu dokter kulit menentukan apakah ia harus memercayai model pembelajaran mesin yang dirancang untuk membantu mendiagnosis kanker dari foto lesi kulit. Ketertarikan Bersama memungkinkan dokter kulit untuk dengan cepat melihat contoh prediksi model yang benar dan salah. Dokter kulit memutuskan dia tidak bisa mempercayai model karena membuat terlalu banyak prediksi berdasarkan artefak gambar daripada lesi yang sebenarnya.
“Nilainya di sini adalah bahwa dengan menggunakan Minat Bersama, kita dapat melihat pola-pola ini muncul dalam perilaku model kita. Dalam waktu sekitar setengah jam, dokter kulit dapat memutuskan apakah model akan dipercaya atau tidak dan apakah akan menerapkannya atau tidak,”kata Boggust.
Alasan di balik keputusan model penting bagi peneliti pembelajaran mesin dan pembuat keputusan.
Mengukur Kemajuan
Karya para peneliti MIT dapat menjadi langkah maju yang signifikan bagi kemajuan AI menuju kecerdasan tingkat manusia, Ben Hagag, kepala penelitian di Darrow, sebuah perusahaan yang menggunakan algoritme pembelajaran mesin, mengatakan kepada Lifewire dalam sebuah wawancara email.
“Alasan di balik keputusan model penting bagi peneliti pembelajaran mesin dan pembuat keputusan,” kata Hagag. “Yang pertama ingin memahami seberapa bagus modelnya dan bagaimana itu dapat ditingkatkan, sedangkan yang kedua ingin mengembangkan rasa percaya diri pada model, jadi mereka perlu memahami mengapa keluaran itu diprediksi.”
Tapi Hagag mengingatkan bahwa penelitian MIT didasarkan pada asumsi bahwa kita memahami atau dapat menjelaskan pemahaman manusia atau penalaran manusia.
“Namun, ada kemungkinan bahwa ini mungkin tidak akurat, jadi diperlukan lebih banyak upaya untuk memahami pengambilan keputusan manusia,” tambah Hagag.
Kemajuan dalam AI dapat mempercepat pengembangan kemampuan komputer untuk memahami bahasa dan merevolusi cara AI dan manusia berinteraksi, kata Buteneers. Chatbots dapat memahami ratusan bahasa sekaligus, dan asisten AI dapat memindai badan teks untuk mencari jawaban atas pertanyaan atau ketidakberesan.
“Beberapa algoritme bahkan dapat mengidentifikasi kapan pesan palsu, yang dapat membantu bisnis dan konsumen sama-sama menyingkirkan pesan spam,” tambah Buteneers.
Tapi, kata Buteneers, AI masih membuat beberapa kesalahan yang tidak pernah dilakukan manusia. “Sementara beberapa orang khawatir bahwa AI akan menggantikan pekerjaan manusia, kenyataannya kita akan selalu membutuhkan orang yang bekerja bersama bot AI untuk membantu menjaga mereka tetap terkendali dan menghindari kesalahan ini sambil mempertahankan sentuhan manusia dalam bisnis,” tambahnya.
