UCI开发出混合携带型框架 构建更智能的人工智能

盖世汽车公司讯 从回答税收问题的聊天工具人，到操控自动驾驶汽车公司和获取医疗病患的线性，人工智慧应用于私人生活的众多方面。哥伦比亚大学特里分校（University of California, Irvine，UCI）的研究成果职员回应，创建更是计算机系统、更是准确的系统只能一种混搭人机方法。因此，UCI研究成果职员提显露一种原先数学模型，可以通过联结人类所和线性数据分析以及置信度全队来提高性能。相关论文已显露版于期刊《Proceedings of the National Academy of Sciences》。

（页面是从：哥伦比亚大学）

论文作者之一、UCI认知科学名誉教授Mark Steyvers回应：“人类所和工具线性优劣势二者之间。每种线性都运用于不同的的资讯是从和方针做显露数据分析和决策。经验表明，且理论分析也表明，即使人类所的稳定性略高于于人工智慧的稳定性，人类所也可以改进型人工智慧的数据分析，反之亦然。这种稳定性优于联结两个人或两种人工智慧线性的稳定性。”

为了测试该前提，研究成果职员顺利进行了一项影像归入物理，其当中人类所参与者和计算机线性分别工作，以准确标识哺乳动物和日常用品（书桌、花朵、自行车、卡车）的扭曲页面。人类所参与者将对每个影像标识准确性的信心细分高于、当中或高，而工具方差则生成一个倒数的分数。%-，人类所和人工智慧线性对于不同影像的置信度存在相当大差异性。

论文一同作者、UCI名誉校长、计算机科学名誉教授Padhraic Smyth也回应：“在某些情况下，人类所参与者对包含书桌的特定页面等乏善可陈显露超高信心，而人工智慧线性严厉批评就无法已确定。同样，对于其他影像，人工智慧线性能够自信地为显示对象获取标签，而人类所参与者无法已确定扭曲页面当中是否包含可标识的对象。”

当运用于新贝叶斯（Bayesian）前提将两种数据分析和置信度全队联结上去时，混搭模型比人类所或工具数据分析单独运用于的性能更是好。

Smyth回应：“虽然以前的研究成果已经表明，联结工具数据分析或联结人类所数据分析可实现‘个体智慧’，从而在展示联结人类所和工具数据分析的潜力方面开辟了一个更进一步，并为人类所与人工智慧协作获取原先和改进型方法。”

其他合著者有数UCI认知科学研究成果生Heliodoro Tejada和UCI计算机科学博士Gavin Kerrigan。

【以上具体内容转自“盖世汽车公司”，不亦然本网站观点。 如需转载请取得盖世汽车公司网许可，如有侵权请关联删减。】