人至 AI 教练：改善人类向 AI 系统的输入
机器学习
2020-03-11 v2 机器学习
摘要
人类与人工智能(AI)系统的交互日益频繁。AI 系统针对诸如最小计算量或识别和解释来自人类的输入时的最小错误率等目标进行了优化。相比之下，人类创建的输入常被视为既定给定。我们研究如何改变人类的输入，以减少 AI 系统的误读，并在改动后的输入应尽可能与原始输入相似的同时，提高人类生成输入的效率。这些目标导致了在分类手写数字的深度学习系统上分析的权衡。为创建用作人类改进示范的样本，我们基于条件卷积自编码器(CCAE)开发了一个模型。我们的定量与定性评估表明，在许多情况下，生成的提议带来了更低的错误率，需要更少的创建工作量，并且与原始样本仅有微小差异。
引用
@article{arxiv.1912.03652,
title = {Human-to-AI Coach: Improving Human Inputs to AI Systems},
author = {Johannes Schneider},
journal= {arXiv preprint arXiv:1912.03652},
year = {2020}
}