众包对机器教学的感知
人机交互
2020-02-07 v1 计算机视觉与模式识别
机器学习
摘要
可教界面可通过显式提供相关训练样本，赋予终端用户将机器学习系统调适于其自身特殊特征与环境的能力。尽管便于控制，其有效性可能受限于用户缺乏专业知识或存在误解。我们通过在 Amazon Mechanical Turk 上部署一个移动可教测试平台，研究用户如何概念化、体验并反思其参与机器教学的过程。采用基于性能的支付方案，100 名 Mechanical Turk 工作者被要求用其环境中拍摄的少量快照实时训练、测试并重新训练一个鲁棒识别模型。我们发现，参与者在样本中融入多样性，借鉴了人类如何独立于尺寸、视角、位置和光照识别物体的类比。他们的许多误解涉及一致性以及模型进行推理的能力。由于测试中变异与边缘案例有限，大多数人在第二次训练尝试中未改变策略。
引用
@article{arxiv.2002.01618,
title = {Crowdsourcing the Perception of Machine Teaching},
author = {Jonggi Hong and Kyungjun Lee and June Xu and Hernisa Kacorri},
journal= {arXiv preprint arXiv:2002.01618},
year = {2020}
}
备注
10 pages, 8 figures, 5 tables, CHI2020 conference