Verbetering van mens-machinerelaties met no-code, herbruikbare AI

We zijn verheugd om Transform 2022 persoonlijk terug te brengen op 19 juli en vrijwel 20 juli – 3 augustus. Sluit je aan bij AI- en dataleiders voor inzichtelijke gesprekken en spannende netwerkmogelijkheden. Meer informatie over Transform 2022

Ons vermogen om hulpmiddelen uit te vinden en te gebruiken, is van cruciaal belang voor de menselijke evolutie. Computers als hulpmiddelen hebben de mensheid zeker vooruit geholpen sinds hun ontstaan. Naarmate computertechnologieën vorderen, zijn ook de relaties tussen mens en machine geëvolueerd. Aanvankelijk kunnen alleen computerontwikkelaars of programmeurs computers bedienen door machine- (programmeer)instructies te geven die computers kunnen begrijpen en volgen. Met de ontwikkeling van grafische gebruikersinterfaces (GUI) kan de massa nu computers bedienen zonder code. De mens-machine-relaties blijven echter operator-machine-relaties, waarbij mensen machines precies moeten vertellen wat ze moeten doen.

Met de opkomst van kunstmatige intelligentie (AI) – computers met bepaalde menselijke vaardigheden – kunnen de relaties tussen mens en machine volledig opnieuw worden gedefinieerd. Computers met menselijke visuele waarnemingsvaardigheden kunnen bijvoorbeeld beveiligingspersoneel versterken om snel objecten te herkennen in bergen bewakingsbeelden of computers met menselijke taalvaardigheden kunnen paralegals versterken om grote hoeveelheden tekstdocumenten samen te vatten. Het aanleren van menselijke vaardigheden aan machines is echter een complex, tijdrovend proces dat diepgaande expertise en programmeervaardigheden vereist, om nog maar te zwijgen van de inspanningen voor het verzamelen, opschonen en annoteren van grote hoeveelheden trainingsgegevens die nodig zijn om machines met de gewenste vaardigheden te trainen.

Net als de niet-code, GUI-gestuurde computerbewerkingen, wat als mensen, het beveiligingspersoneel en paralegals, machines menselijke vaardigheden kunnen leren zonder code? Wat als we, net als in de film Her, een kant-en-klare AI-assistent met ingebouwde menselijke vaardigheden kunnen gebruiken en deze eenvoudig zonder code kunnen aanpassen aan onze specifieke behoeften? Deze visie van no-code, herbruikbare AI zal onze huidige operator-machine-relaties zeker verheffen tot de supervisor-assistent-relaties. Niet alleen zullen de nieuwe relaties ons mensen in staat stellen om te worden uitgebreid door AI in plaats van erdoor te worden vervangen, maar de no-code-aard zal ook menselijke augmentatie democratiseren.

1. AI door menselijke vaardigheden

Afhankelijk van de uit te voeren taken worden AI-systemen getraind om over verschillende menselijke vaardigheden te beschikken. Figuur 1 geeft een overzicht van voorbeelden van AI-systemen op basis van menselijke vaardigheden. Bepaalde AI-systemen gebruiken een enkel type menselijke vaardigheden, zoals menselijke visuele waarneming of taalvaardigheid, om een ​​specifieke taak uit te voeren, zoals objectidentificatie of sentimentanalyse. Complexere AI-systemen daarentegen gebruiken meerdere menselijke vaardigheden samen om complexe taken uit te voeren. Een zelfrijdende auto moet bijvoorbeeld meerdere menselijke vaardigheden gebruiken, zoals menselijke visuele waarneming en besluitvormingsvaardigheden, om zijn rijdoelen te bereiken. Evenzo moet een gespreks-AI-assistent meerdere menselijke vaardigheden gebruiken, zoals communicatieve vaardigheden of bepaalde menselijke zachte vaardigheden (bijv. actief luisteren), om zijn taken te volbrengen.

Figuur 1. Voorbeeld AI-systemen met verschillende menselijke vaardigheden.

2. Herbruikbare AI op meerdere niveaus

Het maakt niet uit of een AI-systeem een ​​enkele of meerdere menselijke vaardigheden vereist om te functioneren, het creëren van een AI-systeem vanaf het begin is altijd moeilijk en vereist veel expertise en middelen. Net zoals het bouwen van een auto, in plaats van hem helemaal opnieuw te bouwen met grondstoffen, zou het veel gemakkelijker en sneller zijn als we kant-en-klare onderdelen en systemen, zoals de motor, de wielen en de remmen, snel konden aanpassen en samenstellen.

Hoewel er veel herbruikbare AI-systemen zonder code zijn, is het de grootste uitdaging om het no-code, hergebruik van een complex AI-systeem, zoals een conversatie-AI-systeem, mogelijk te maken vanwege de technologische complexiteit en de vereiste van multi-level hergebruikt. Afbeelding 2 toont een voorbeeld van een drielaagse architectuur ter ondersteuning van een cognitieve AI-assistent, een nieuwe generatie AI-assistenten met meerdere geavanceerde menselijke vaardigheden, waaronder zachte vaardigheden.

Figuur 2. Een voorbeeldarchitectuur van een cognitieve AI-assistent met herbruikbare AI op meerdere niveaus.

Hergebruik van AI-modellen voor algemene doeleinden

Zoals te zien is in figuur 2, is de onderste laag een reeks machine learning-modellen voor algemene doeleinden waarop elk AI-systeem vertrouwt. Gegevensgestuurde neurale (diepe) leermodellen, zoals BERT en GPT-3, zijn bijvoorbeeld meestal vooraf getraind op grote hoeveelheden openbare gegevens zoals Wikipedia. Ze kunnen worden hergebruikt in AI-toepassingen om natuurlijke taaluitingen te verwerken. AI-modellen voor algemene doeleinden zijn echter onvoldoende om een ​​cognitieve AI-assistent van stroom te voorzien. Modellen voor algemene doeleinden die op Wikipedia zijn getraind, kunnen bijvoorbeeld doorgaans niet omgaan met genuanceerde conversatiecommunicatie, zoals het beheren van een gesprek of het afleiden van de behoeften van een gebruiker uit een gesprek.

Speciale AI-engines hergebruiken

Om een ​​AI-assistent met menselijke soft skills aan te drijven, zijn speciale AI-engines (de middelste laag) nodig. De actieve luisterengine die in afbeelding 2 wordt getoond, stelt een AI-assistent in staat om de focus van de aandacht in een gesprek te begrijpen en geeft deze geheugen zodat deze de invoer van een gebruiker correct kan interpreteren, inclusief onvolledige en dubbelzinnige uitdrukkingen in context, zoals de voorbeelden in afbeelding 3 .

Afbeelding 3. Voorbeelden die laten zien hoe een cognitieve AI-assistent dezelfde gebruikersinvoer in twee verschillende contexten interpreteert en dienovereenkomstig kan reageren.

Evenzo voorzien speciale AI-engines zoals tussen de regels lezen en gesprekscommunicatie-engines een AI-assistent met extra menselijke vaardigheden. Door bijvoorbeeld tussen de regels door te lezen, kunnen AI-assistenten de invoer van een gebruiker tijdens een gesprek analyseren en automatisch de unieke kenmerken van de gebruiker afleiden (Afbeelding 4). De gespreksspecifieke communicatie-engine stelt AI-assistenten in staat om gebruikersuitdrukkingen tijdens een gesprek beter te interpreteren, zoals het identificeren of een gebruikersinvoer een vraag of een reflectieve verklaring is, wat verschillende AI-reacties rechtvaardigt.

Met een zorgvuldig ontwerp en implementatie kunnen alle speciale AI-engines herbruikbaar worden gemaakt. De actieve luisterconversatie-engine kan bijvoorbeeld vooraf worden getraind met gespreksgegevens om verschillende gesprekscontexten te detecteren (bijvoorbeeld een gebruiker geeft een excuus of stelt een verduidelijkingsvraag) en vooraf gebouwd met een optimalisatielogica die altijd probeert de gebruiker in evenwicht te ervaring en taakvoltooiing bij het afhandelen van gebruikersonderbrekingen om een ​​gesprek te begeleiden.

Afbeelding 4. Een voorbeeld dat laat zien hoe een cognitieve AI-assistent in staat is om conversatietekst van een gebruiker te analyseren en automatisch de soft skills van de gebruiker af te leiden.

Hele AI-assistenten hergebruiken

Naast het hergebruik van individuele AI-componenten/-vaardigheden, is het uiteindelijke doel om een ​​hele AI-oplossing te hergebruiken. In de context van het bouwen van AI-assistenten, is het om een ​​hele AI-assistent te hergebruiken op basis van AI-assistentsjablonen met vooraf gedefinieerde workflows en een relevante kennisbank (de bovenste laag van figuur 2). Een AI Recruiting Assistant-sjabloon bevat bijvoorbeeld een reeks sollicitatiegesprekvragen en een kennisbank voor het beantwoorden van veelgestelde vragen over werk. Op dezelfde manier schetst een AI Learning Assistant-sjabloon een workflow, zoals het controleren van de leerstatus van een student en het leveren van leerinstructies of herinneringen. Zo’n sjabloon kan direct opnieuw worden gebruikt om een ​​kant-en-klare AI-assistent te maken of kan snel worden aangepast aan specifieke behoeften, zoals hieronder weergegeven.

3. Herbruikbare AI die AI zonder code mogelijk maakt

Aangezien elke AI-oplossing doorgaans bepaalde aanpassingen vereist, maakt herbruikbare AI AI-aanpassingen zonder code mogelijk. Hieronder staan ​​verschillende voorbeelden.

Aanpassing zonder code van AI-assistentsjablonen

Stel dat een HR-recruiter een aangepaste AI Recruiting Assistant wil maken op basis van een bestaande AI-sjabloon. Net als bij het gebruik van PowerPoint of Excel, zal de recruiter een GUI gebruiken om de interviewvragen (Figuur 5) en werkgerelateerde veelgestelde vragen aan te passen. De no-code-aanpassing vereenvoudigt het creëren van een krachtige, end-to-end AI-oplossing aanzienlijk, vooral voor niet-IT-professionals.

Figuur 5. No-code maatwerk van een AI Recruiting Assistant om een ​​specifieke vraag te stellen (T17). De AI-assistent handelt de discussie over dit onderwerp automatisch af.

Voortzetting van het bovenstaande voorbeeld, ervan uitgaande dat de recruiter wil dat de AI-assistent sollicitanten een vraag stelt: “Wat vind je het leukst in je huidige baan?”. Als het antwoord van een sollicitant vergelijkbaar is met ‘interactie met klanten’, wil de recruiter dat de AI een vervolgvraag stelt: ‘Kun je me een voorbeeld geven dat je leuk vond om met je klant om te gaan?’ Aangezien de vooraf gebouwde AI-sjabloon dit specifieke geval niet behandelt, zou de recruiter de AI-communicatie moeten aanpassen. Afbeelding 6 laat zien hoe een dergelijke aanpassing kan worden gedaan zonder codering.

Figuur 6. No-code maatwerk van een AI-assistent op basis van het antwoord van een gebruiker op de vraag in T17 met een vervolgvraag (T18). De AI-assistent zal de workflow automatisch afhandelen.

4. No-Code, herbruikbare AI definieert de relatie tussen supervisor en assistent

No-code, herbruikbare AI stelt iedereen, ook niet-IT-professionals, in staat om hun eigen aangepaste AI-oplossingen (assistenten) te creëren. Een AI-assistent hoeft alleen te worden geïnstrueerd wat hij moet doen (bijv. gebruikers een reeks vragen stellen) en voert de taken vervolgens automatisch uit (bijv. hoe om te gaan met gebruikersonderbrekingen). Dit transformeert de traditionele operator-machine-relaties in supervisor-machine-relaties. Wanneer mensen een machine moeten programmeren/coderen om de machines te leren, handelen mensen in de rol van operators/ontwikkelaars van machines. Terwijl mensen machines voorzien van instructies op hoog niveau, zonder code, zoals het schetsen van de taken en het aanleren van nieuwe kennis, worden mensen nu de supervisors van machines. Deze nieuwe relatie stelt mensen in staat meer te doen met de hulp van machines.

5. Toekomstige richtingen van no-code, herbruikbare AI

Herbruikbare AI zonder code democratiseert de creatie en acceptatie van krachtige AI-oplossingen zonder dat daarvoor schaarse AI-talenten of dure IT-middelen nodig zijn. Bovendien verbetert herbruikbare AI zonder code de mens-machinerelaties, waardoor iedereen kan worden uitgebreid met machinekrachten. Om herbruikbare AI zonder code tot het belangrijkste paradigma te maken voor het ontwikkelen en toepassen van AI-oplossingen, moet er ook op verschillende gebieden vooruitgang worden geboekt.

Verklaarbare AI

Het eerste gebied is om herbruikbare AI-componenten/systemen verklaarbaar te maken. Om niet-IT-personeel te helpen vooraf opgeleide of vooraf gebouwde AI-componenten en -oplossingen te hergebruiken, is het van cruciaal belang om de “black box” uit te pakken en uit te leggen wat er in elk onderdeel of elke oplossing zit, zowel voor- als nadelen. De verklaarbare herbruikbare AI helpt mensen niet alleen om bestaande AI-componenten/systemen beter te begrijpen en te benutten, en helpt ook potentiële AI-valkuilen te vermijden. Het zou bijvoorbeeld nuttig zijn voor een HR-recruiter om te begrijpen hoe persoonlijke inzichten worden afgeleid voordat hij/zij dergelijke AI-kracht gebruikt om de inzichten van sollicitanten af ​​te leiden.

Automatische AI-foutopsporing

Het tweede gebied is de ondersteuning van automatische AI-foutopsporing. Naarmate AI-oplossingen complexer en geavanceerder worden, is het moeilijk om handmatig potentieel AI-gedrag onder uiteenlopende en complexe omstandigheden te onderzoeken. Niet-IT-gebruikers hebben vooral hulp nodig bij het beoordelen van een AI-oplossing (bijvoorbeeld een AI-assistent) en het verbeteren ervan voordat ze formeel worden ingezet. Hoewel er wat eerste onderzoek is naar het profileren van AI-assistenten, is er in de toekomst nog veel meer nodig.

Verantwoordelijke AI

Het derde gebied zou het waarborgen van een verantwoord gebruik van AI zijn, vooral met de democratisering van AI. Als iemand bijvoorbeeld een functionele AI-eenheid eenvoudig kan hergebruiken om gevoelige informatie van gebruikers te krijgen, hoe en wie kan de gebruikers en hun gevoelige informatie dan beschermen? Naast het meten van typische AI-prestaties zoals nauwkeurigheid en robuustheid, zijn er nieuwe maatregelen en gebruiksrichtlijnen nodig om de creatie en implementatie van betrouwbare en veilige AI-oplossingen te garanderen.

Michelle Zhou, Ph.D. is medeoprichter en CEO van Juji, Inc.

GegevensBeslissers

Welkom bij de VentureBeat-community!

DataDecisionMakers is waar experts, inclusief de technische mensen die datawerk doen, datagerelateerde inzichten en innovatie kunnen delen.

Als je wilt lezen over geavanceerde ideeën en up-to-date informatie, best practices en de toekomst van data en datatechnologie, sluit je dan aan bij DataDecisionMakers.

Je zou zelfs kunnen overwegen om zelf een artikel bij te dragen!

Lees meer van DataDecisionMakers

This post Verbetering van mens-machinerelaties met no-code, herbruikbare AI
was original published at “https://venturebeat.com/2022/04/02/elevating-human-machine-relationships-with-no-code-reusable-ai/”