ಮಾನವ-ಇನ್-ದ-ಲೂಪ್

ವ್ಯಾಖ್ಯಾನ

ಹ್ಯೂಮನ್-ಇನ್-ದಿ-ಲೂಪ್ (HITL) ಎಂದರೆ ತರಬೇತಿ, ಮೌಲ್ಯಮಾಪನ ಅಥವಾ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯಂತಹ ಕಾರ್ಯಗಳಿಗಾಗಿ ಮಾನವ ತೀರ್ಪು AI ಕೆಲಸದ ಹರಿವುಗಳಲ್ಲಿ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟ ವ್ಯವಸ್ಥೆಗಳು.

ಉದ್ದೇಶ

ಮಾನವ ಪರಿಣತಿಯನ್ನು AI ದಕ್ಷತೆಯೊಂದಿಗೆ ಸಂಯೋಜಿಸುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ. ಇದು ಸೂಕ್ಷ್ಮ ಅನ್ವಯಿಕೆಗಳಲ್ಲಿ ಗುಣಮಟ್ಟ, ನೈತಿಕ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಸುರಕ್ಷತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ.

ಪ್ರಾಮುಖ್ಯತೆ

• ಹೆಚ್ಚಿನ ಅಪಾಯದ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ (ಉದಾ. ಆರೋಗ್ಯ ರಕ್ಷಣೆ, ರಕ್ಷಣೆ) ದೋಷಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
• ಮಾನವ ಪ್ರತಿಕ್ರಿಯೆಯ ಮೂಲಕ ತರಬೇತಿಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ.
• ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.
• ಪೂರ್ಣ ಯಾಂತ್ರೀಕರಣಕ್ಕೆ ಹೋಲಿಸಿದರೆ ನಿಧಾನ ಮತ್ತು ದುಬಾರಿ.

ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ

1. ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆ ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ.
2. AI ಔಟ್‌ಪುಟ್‌ಗಳು ಅಥವಾ ಸಲಹೆಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ.
3. ಮಾನವರು ಮೌಲ್ಯೀಕರಿಸುತ್ತಾರೆ, ಸರಿಪಡಿಸುತ್ತಾರೆ ಅಥವಾ ಪ್ರತಿಕ್ರಿಯೆ ನೀಡುತ್ತಾರೆ.
4. ಮಾದರಿಗಳನ್ನು ಮರುತರಬೇತಿಗೊಳಿಸಲು ಅಥವಾ ಪರಿಷ್ಕರಿಸಲು ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಸಂಯೋಜಿಸಲಾಗಿದೆ.
5. ನಡೆಯುತ್ತಿರುವ ಮಾನವ ಪರಿಶೀಲನೆಯೊಂದಿಗೆ ವ್ಯವಸ್ಥೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ.

ಉದಾಹರಣೆಗಳು (ವಾಸ್ತವ ಪ್ರಪಂಚ)

• ವಿಷಯ ಮಾಡರೇಶನ್: AI ನಿಂದ ಫ್ಲ್ಯಾಗ್ ಮಾಡಲಾದ ಪೋಸ್ಟ್‌ಗಳನ್ನು ಮಾನವರು ಪರಿಶೀಲಿಸುತ್ತಾರೆ.
• ವೈದ್ಯಕೀಯ AI: ವೈದ್ಯರು AI-ರಚಿತ ರೋಗನಿರ್ಣಯಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸುತ್ತಾರೆ.
• ಮಾನವ ಪ್ರತಿಕ್ರಿಯೆಯಿಂದ ಬಲವರ್ಧನೆ ಕಲಿಕೆ (RLHF): ChatGPT ನಂತಹ ಭಾಷಾ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡುತ್ತದೆ.

ಉಲ್ಲೇಖಗಳು / ಹೆಚ್ಚಿನ ಓದಿಗೆ

• ಅಮೆರ್ಶಿ ಮತ್ತು ಇತರರು. “ಜನರಿಗೆ ಶಕ್ತಿ: ಸಂವಾದಾತ್ಮಕ ಯಂತ್ರ ಕಲಿಕೆಯಲ್ಲಿ ಮಾನವರ ಪಾತ್ರ.” AI ಮ್ಯಾಗಜೀನ್.
• NIST AI ಅಪಾಯ ನಿರ್ವಹಣಾ ಚೌಕಟ್ಟು.
• ಹ್ಯೂಮನ್-ಇನ್-ದಿ-ಲೂಪ್ ಸಿಸ್ಟಮ್‌ಗಳಿಗಾಗಿ IEEE ಮಾನದಂಡಗಳು.
• ಮನುಷ್ಯನನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು