Of het nu atleten zijn op een sportveld of beroemdheden in de jungle, niets houdt onze aandacht zo vast als het drama van het strijden om een ​​enkele prijs. En als het gaat om de evolutie van kunstmatige intelligentie (AI), zijn enkele van de meest boeiende momenten ook geleverd in nagelbijtende afwerkingen.

In 1997 nam de Deep Blue-schaakcomputer van IBM het op tegen grootmeester en regerend wereldkampioen Garry Kasparov, nadat hij het jaar daarvoor van hem had verloren.

Maar deze keer won de AI. Het populaire Chinese spel Go was de volgende, in 2016, en opnieuw was er een collectieve inademing toen Google's AI zegevierde. Deze wedstrijden illustreren op elegante wijze wat er zo uniek is aan AI:we kunnen het programmeren om dingen te doen die we zelf niet kunnen, zoals het verslaan van een wereldkampioen.

Maar wat als deze omlijsting iets essentieels verduistert - dat menselijke en kunstmatige intelligentie niet hetzelfde zijn? AI kan snel grote hoeveelheden gegevens verwerken en getraind worden om specifieke taken uit te voeren; menselijke intelligentie is aanzienlijk creatiever en adaptiever.

De meest interessante vraag is niet wie er gaat winnen, maar wat kunnen mensen en AI samen bereiken? Het combineren van beide vormen van intelligentie kan een beter resultaat opleveren dan elk afzonderlijk.

Dit wordt collaboratieve intelligentie genoemd. En dit is het uitgangspunt van CSIRO's nieuwe A $ 12 miljoen Collaborative Intelligence (CINTEL) Future Science Platform, dat wij leiden.

Schakmatmaten

Hoewel schaken is gebruikt om AI-menselijke concurrentie te illustreren, biedt het ook een voorbeeld van collaboratieve intelligentie. IBM's Deep Blue versloeg de wereldkampioen, maar maakte de mens niet overbodig. Menselijke schakers die samenwerken met AI hebben bewezen superieur te zijn aan zowel de beste AI-systemen als menselijke spelers.

En hoewel zo'n "freestyle" schaken zowel uitstekende menselijke vaardigheden als AI-technologie vereist, komen de beste resultaten niet door simpelweg de beste AI te combineren met de beste grootmeester. Het proces waarmee ze samenwerken is cruciaal.

Dus voor veel problemen, vooral die met complexe, variabele en moeilijk te definiëren contexten, zullen we waarschijnlijk betere resultaten behalen als we AI-systemen expliciet ontwerpen om met menselijke partners samen te werken en mensen de vaardigheden geven om AI-systemen te interpreteren.

Een eenvoudig voorbeeld van hoe machines en mensen al samenwerken, vinden we in de veiligheidsvoorzieningen van moderne auto's. Lane Keep Assist-technologie maakt gebruik van camera's om rijstrookmarkeringen in de gaten te houden en past de besturing aan als de auto uit zijn rijstrook lijkt te raken.

Als hij echter merkt dat de bestuurder actief wegstuurt, houdt hij op, zodat de mens de baas blijft (en de AI blijft assisteren op de nieuwe rijstrook). Dit combineert de sterke punten van een computer, zoals grenzeloze concentratie, met die van de mens, zoals weten hoe te reageren op onvoorspelbare gebeurtenissen.

Het is mogelijk om vergelijkbare benaderingen toe te passen op een reeks andere uitdagende problemen. In cyberbeveiligingsomgevingen kunnen mensen en computers samenwerken om te bepalen welke van de vele dreigingen van cybercriminelen het meest urgent zijn.

Evenzo kan in de biodiversiteitswetenschap collaboratieve intelligentie worden gebruikt om de enorme aantallen exemplaren in biologische collecties te begrijpen.

De basis leggen

We weten genoeg over collaboratieve intelligentie om te zeggen dat het een enorm potentieel heeft, maar het is een nieuw onderzoeksgebied en er zijn meer vragen dan antwoorden.

Via het CINTEL-programma van CSIRO gaan we onderzoeken hoe mensen en machines samenwerken en leren, en hoe deze manier van samenwerken menselijk werk kan verbeteren. In het bijzonder zullen we vier fundamenten van collaboratieve intelligentie behandelen:

1. samenwerkingsworkflows en -processen . Samenwerkingsintelligentie vereist een heroverweging van workflow en processen, om ervoor te zorgen dat mens en machine elkaar aanvullen. We zullen ook onderzoeken hoe het mensen kan helpen nieuwe vaardigheden te ontwikkelen die nuttig kunnen zijn in verschillende delen van het personeelsbestand
2. situatiebewustzijn en begripsintentie . Werken aan dezelfde doelen en ervoor zorgen dat mensen de huidige voortgang van een taak begrijpen
3. vertrouwen . Collaborative intelligence-systemen werken niet zonder dat mensen de machines vertrouwen. We moeten begrijpen wat vertrouwen betekent in verschillende contexten en hoe we vertrouwen kunnen opbouwen en behouden
4. communicatie . Hoe beter de communicatie tussen mens en machine, hoe beter de samenwerking. Hoe zorgen we ervoor dat beiden elkaar begrijpen?

Robots opnieuw uitgevonden

Een van onze projecten omvat het werken met het op CSIRO gebaseerde team voor robotica en autonome systemen om een ​​rijkere samenwerking tussen mens en robot te ontwikkelen. Dankzij collaboratieve intelligentie kunnen mensen en robots in realtime op veranderingen reageren en samen beslissingen nemen.

Robots worden bijvoorbeeld vaak gebruikt om omgevingen te verkennen die gevaarlijk kunnen zijn voor mensen, zoals bij reddingsmissies. In juni werden robots gestuurd om te helpen bij zoek- en reddingsoperaties, nadat een flatgebouw van 12 verdiepingen in Surfside, Florida was ingestort.

Vaak zijn deze missies slecht gedefinieerd en moeten mensen hun eigen kennis en vaardigheden (zoals redeneren, intuïtie, aanpassing en ervaring) gebruiken om te bepalen wat de robots zouden moeten doen. Hoewel het ontwikkelen van een echt mens-robotteam aanvankelijk moeilijk kan zijn, zal het op de lange termijn waarschijnlijk effectiever zijn voor complexe missies.