Une nouvelle étude montre qu’un cadre hybride homme-machine permettrait de former des modèles plus intelligents.
Beaucoup de personnes craignent que les outils d’IA deviennent plus intelligents que les humains. D’autres pensent qu’il est impossible qu’une machine inventée et programmée par un humain puisse devenir plus intelligente que lui. Cette étude rassemblera ces deux camps dans un seul cadre pour créer des systèmes plus performants.
Contexte de la création d’un cadre hybride homme-machine
La force de prédiction est probablement au centre des nombreuses capacités de l’IA. Parmi les algorithmes les plus utilisés dans le domaine, nous pouvons citer le théorème de Bayes. Il permet d’effectuer une modélisation prédictive pour la classification.
Mais ce type de tâche n’a pas toujours été prise en charge par une machine. En effet, avant la découverte des algorithmes et de l’IA, la prédiction était tout simplement le travail d’un humain. Mais la vitesse de calcul et la précision des algorithmes ont fait pencher la balance du côté des machines.
Cependant, l’un comme l’autre présente ses forces et ses limites. De ce fait, malgré une précision souvent supérieure, les résultats d’une machine peuvent être améliorés par les humains. Autrement dit, l’intelligence humaine et l’intelligence artificielle sont finalement complémentaires. Et c’est ce que ces chercheurs de l’Université de Californie, à Irvine, ont démontré en créant un nouveau cadre hybride homme-machine.
Deux forces complémentaires
Notons que la combinaison des prédictions de deux humains ou plus permet d’obtenir une précision accrue. Il en va de même pour les prédictions de deux algorithmes ou plus. Maintenant, cette nouvelle étude montre que la précision combinée des deux prédictions (humaine et algorithmique) est plus élevée.
Pour créer le cadre, les chercheurs ont mené une expérience avec une tâche de classification d’images. Chacun de leur côté, les humains et les algorithmes informatiques devaient identifier correctement des images déformées.
Pour les participants humains, les résultats étaient classés en fonction de leur confiance dans l’exactitude des prédictions : faible, moyenne ou élevée. Le classificateur bayésien a, quant à lui, généré un score de confiance.
D’après les résultats, là où les humains avaient la certitude d’un résultat, l’algorithme pouvait être confus. De même, pour certaines prédictions de l’algorithme, les humains avaient des doutes. Mais en combinant les résultats, le cadre hybride homme-machine a alors obtenu de meilleures performances. Autrement dit, les résultats étaient plus précis que les prédictions séparées des humains et du classificateur.
L’étude suggère donc que ce nouveau cadre pourrait représenter une nouvelle approche pour créer des systèmes d’IA plus précis et donc plus intelligents. Par ailleurs, cela permettrait également de développer une meilleure collaboration entre les humains et les machines.
- Partager l'article :
