AI-in-the-Loop - 基于人机交互界面的 AI 应用影响
该研究探讨了在艺术创作中将人类专业知识与 AI 模型相结合,以实现更具表现力、细腻和多模态的生成作品的方法,并提出 Human-in-the-Loop 的设计,以增加人类与 AI 之间的互动,从而帮助未来的 AI 系统更好地理解我们自己的创造和情感过程。
Oct, 2021
本文基于数据分析角度,对人机协同中的数据处理、模型训练和系统独立模式,进行了调查总结,分类整理,提供了自然语言处理、计算机视觉等多领域的技术优势 / 缺陷、挑战和机遇,提出了有效设计人机协同解决方案的思路。
Aug, 2021
本文主要探讨在当前和未来的自动机器学习系统中,人与计算机交互如何发生(包括开发、部署和维护阶段的 HCI),不同类型的用户和利益相关方对 HCI 的期望是否存在差异,如何管理 HCI 以使自动机器学习获得人的信任和广泛接受,以及随着自动机器学习系统变得更加自主和学习能力增强,HCI 的基本特性是否会发生变化。研究关键领域包括自动化机器学习,人机交互,用户界面设计,人工智能信任等方面。
May, 2022
本文介绍机器学习领域的交互式学习方法,通过实验展示了如何使用人机交互的方式将黑箱算法变为透明的算法,以提高算法的可信度和接受度,并探讨了交互式学习方法在健康信息学领域中的应用和优势。
Aug, 2017
人工智能和机器学习在信息系统中发挥了重要作用,然而机器学习模型不完美并且可能产生错误分类。因此,本研究提出了一种混合系统,利用人工专家对难以分类的实例进行审核,并创造了人工专家来学习对之前由人工专家审核过的未知类别数据实例进行分类。实验证明,这种方法在图像分类的几个基准测试中优于传统的人机合作系统。
Jul, 2023
通过一个模拟物体检测系统的实验,我们研究了交互反馈对用户对智能系统及其准确性理解的影响,结果表明提供循环反馈降低了参与者对系统的信任和其对系统准确性的感知,这凸显了在设计智能系统时考虑用户反馈对用户信任的影响的重要性。
Aug, 2020
我们探索了一种人机交互界面的设计,使得普通用户可以识别潜在的公平问题并在贷款决策的背景下解决它们,为评判和解决人工智能的公平性做出贡献。
Apr, 2022
该研究描述了一种 “人机互动” 机器学习系统的愿景,它通过智能跟踪更改和中间结果,实现了工作流加速,反馈及时,内省和调试,背景执行和自动化,并描述了 Helix,初步尝试这样一个系统已经在典型的迭代工作流中实现了最多 10 倍的提速。
Apr, 2018
通过调查人们在开发和部署深度学习应用中的作用,讨论了人在医疗领域内深度学习技术开发和部署中的重要性,同时提出了四个关键领域以及未来的前景和未解决问题,这些领域有望共同实现结合在医疗领域中的人机互动计算。
Oct, 2019
机器学习在电子显微镜领域逐步获得认可,用于数据后处理中的去噪、语义分割和降维。在使用大型仪器制造商的 API 引入后,现在可以在显微镜中部署机器学习工作流,不仅用于数据分析,还用于实时决策和反馈。然而,实时机器学习的用例数量仍然相当有限。在本文中,我们讨论了设计基于机器学习的主动实验的一些考虑因素,并提出了未来几年的策略可能是人在环回中的自动化实验 (hAE)。在这种范例中,机器学习代理直接控制光束位置、图像和光谱采集功能,人操作员实时监控系统的特征空间中的实验进展,并调整机器学习代理的策略以实现特定目标。
Oct, 2023