Cielená automatizácia využíva ľudí na zlepšovanie AI

Priemyselné podniky nemusia pri zavádzaní umelej inteligencie voliť medzi úplnou automatizáciou a neustálou ľudskou kontrolou. Kai Hoberg z Kühne Logistics University, Christina Imdahl z Eindhoven University of Technology a William Schmidt z Emory University navrhujú selektívny model, ktorý posudzuje prínos človeka pri jednotlivých rozhodnutiach.

Algoritmus môže samostatne riešiť prípady, v ktorých zásah pracovníka prináša len malú výhodu. Ľudská expertíza však zostáva potrebná tam, kde môže oprava odporúčania viesť k lepšiemu výsledku a zároveň poskytnúť systému kvalitnú spätnú väzbu.

Ako funguje selektívny prístup

Postup sa začína analýzou situácií, v ktorých ľudia menia algoritmické odporúčania a ich rozhodnutia sú následne úspešnejšie. Model sa potom učí predpovedať, kedy bude ľudský zásah pravdepodobne prínosný.

Rozhodnutia s nízkou očakávanou hodnotou intervencie sa automatizujú. Pri ostatných prípadoch zostáva v procese pracovník. Jeho korekcie sa vracajú do algoritmu, ktorý sa tak môže priebežne prispôsobovať novým okolnostiam.

Údaje z výroby úžitkových vozidiel

Štúdia vychádzala z viac než 475 000 rozhodnutí súvisiacich s objednávkami, zaznamenaných počas štyroch rokov u veľkého výrobcu úžitkových vozidiel s ročnými príjmami nad 4 miliardy eur. Výskumníci nesledovali iba otázku, či je lepší človek alebo AI. Zaujímalo ich, v akých podmienkach ľudia prekonali systémové odporúčania.

V skúmanej aplikácii bolo možné automatizovať približne 84 % rozhodnutí. Zistenie podporuje vysokú mieru automatizácie, nie však odstránenie ľudí z procesu. Ich čas má byť sústredený na prípady, kde má odborný úsudok merateľný vplyv.

Pre podniky z toho vyplýva praktický krok: najskôr zmerať pridanú hodnotu ľudských zásahov a až potom nastavovať automatizačné ciele. Takýto model môže znížiť podiel rutiny a zachovať schopnosť AI učiť sa. Výskumu sa zúčastňuje Kühne Logistics University.