Role i sposoby interakcji człowieka ze zautomatyzowanymi systemami uczenia maszynowego: Krytyczny przegląd i perspektywy

Oryginalny tytuł:

The Roles and Modes of Human Interactions with Automated Machine Learning Systems: A Critical Review and Perspectives

Zawartość książki:

Ostatnie lata przyniosły bezprecedensowy poziom wykorzystania technologii i zaangażowania ze strony głównego nurtu. Od deepfake'ów dla memów po systemy rekomendacji dla handlu, uczenie maszynowe (ML) stało się stałym elementem społeczeństwa.

To ciągłe przejście z czysto akademickich ograniczeń do ogółu społeczeństwa nie jest płynne, ponieważ społeczeństwo nie ma rozległej wiedzy specjalistycznej w zakresie nauki o danych wymaganej do pełnego wykorzystania możliwości ML. Ponieważ zautomatyzowane systemy uczenia maszynowego (AutoML) nadal rozwijają się zarówno pod względem zaawansowania, jak i wydajności, ważne staje się zrozumienie "jak" i "dlaczego" interakcji człowiek-komputer (HCI) w tych ramach. Jest to niezbędne do optymalnego zaprojektowania systemu i wykorzystania zaawansowanych możliwości przetwarzania danych w celu wspierania podejmowania decyzji z udziałem ludzi.

Jest to również klucz do zidentyfikowania szans i zagrożeń związanych ze stale rosnącym poziomem autonomii maszyn. W niniejszej monografii autorzy skupiają się na następujących pytaniach: (i) Jak obecnie wygląda HCI dla najnowocześniejszych algorytmów AutoML? (ii) Czy oczekiwania wobec HCI w ramach AutoML różnią się dla różnych typów użytkowników i interesariuszy? (iii) W jaki sposób można zarządzać HCI, aby rozwiązania AutoML zyskały ludzkie zaufanie i szeroką akceptację? (iv) Czy w miarę jak systemy AutoML stają się coraz bardziej autonomiczne i zdolne do uczenia się ze złożonych, otwartych środowisk, podstawowa natura HCI będzie ewoluować? Aby rozważyć te pytania, autorzy rzutują istniejącą literaturę z zakresu HCI na przestrzeń AutoML i dokonują przeglądu takich tematów, jak projektowanie interfejsu użytkownika, łagodzenie uprzedzeń ludzkich i zaufanie do sztucznej inteligencji (AI).

Dodatkowo, aby rygorystycznie ocenić przyszłość HCI, rozważają, w jaki sposób AutoML może przejawiać się w skutecznie otwartych środowiskach. Ostatecznie, niniejszy przegląd służy zidentyfikowaniu kluczowych kierunków badań mających na celu lepsze ułatwienie ról i sposobów interakcji człowieka zarówno z obecnymi, jak i przyszłymi systemami AutoML.