AI评估应与人类合作

AI评估应与人类合作

_

以人为本的AI:为何协作胜过自主性在评估中

人工智能(AI)的飞速发展带来了热潮、创新,当然也诚实地带来了一些担忧。随着AI系统变得越来越复杂,人们可能会认为用来衡量其成功的评估指标也会同步发展。然而,AI领域内越来越多的声音提出了一个关键问题:我们评估AI的方式是否正确?

最近在arXiv上发表的一篇立场文件《AI评估应与人类合作》,认为当前主导范式——专注于超越人类自主性能——从根本上与创造有益AI系统的目标不一致。这种范式隐含地目标是取代人类,将AI发展引向一条可能不利于人类的道路。该文件提出了一个根本性的转变:我们不应孤立地评估AI,而应评估人机团队的绩效。作者们认为,这种协作方法可能带来真正补充人类能力的AI系统,促进一个技术与人共同繁荣的未来。

超越人类评估的缺陷

当前AI的评估领域深受旨在衡量系统超越人类能力的基准和指标的影响。例如,在语言处理中,像GPT-3这样的模型通常根据其生成类人文本的能力进行评估,有时甚至超越人类的创造力和准确性。类似地,在游戏AI中,像AlphaGo这样的系统在围棋等复杂任务中展现了超越人类的表现。

虽然这些成就无疑是令人印象深刻的,但它们往往忽略了一个关键方面:人类协作的作用。超越人类性能的指标可能会创建AI系统,这些系统针对人类已经擅长的任务进行优化,可能导致资源浪费和错失机会。此外,此类评估可能无意中鼓励开发寻求取代人类而非增强人类的AI。

以自动驾驶汽车评估为例。如果目标是创造比人类驾驶更好的汽车,那么重点可能会放在优化单个驾驶任务上,而可能忽略在复杂、不可预测情况下人类监督的重要性。更全面的评估会考虑车辆融入人类驾驶生态系统时的表现,并考虑沟通、信任和适应性等因素。

人类-AI协作的案例

该论文的作者提出的替代方案是,将重点从超越人类性能转移到协作效率。这意味着不应孤立地评估AI,而应将其作为与人类并肩工作的团队的一部分进行评估。这里的目的是不是取代人类,而是增强他们的能力,创造一种共生关系,其中人类和AI都能贡献其优势。

这种方法与日益增长的共识一致,即许多复杂任务需要人类直觉、创造力和AI的计算能力的结合。例如,在医疗保健领域,AI可以以高精度分析医学图像,但它仍然依赖人类医生来解释结果并做出最终决定。在科学研究领域,AI可以处理大量数据,但它仍然需要人类研究人员提出正确的问题并解释结果。

为了说明这一点,让我们看一个实验室中的假设场景。假设一个团队正在尝试开发新药。一个AI系统可以在几小时内在数千种化合物中进行分析,识别出潜在候选物的速度远快于人类化学家。然而,最终决定要测试哪些化合物的选择仍然依赖于人类研究人员的专业知识和直觉。如果仅根据AI识别化合物的能力来评估它,就会错过该过程中至关重要的协作方面。

实施以人为本的评估

那么,AI领域如何转向更以人为本的评估框架呢?该文件建议了以下几种方法:

  1. 人机任务分解: 不要在单个任务上评估AI,而应评估它如何将复杂任务分解为较小的、可管理的子任务,这些子任务可以由人类和AI协作执行。

  2. 协作效率指标: 制定衡量人机团队效率的指标,例如完成任务所需的时间、错误数量以及所需的人类干预程度。

  3. 用户研究: 进行广泛用户研究,了解人类在现实场景中与AI系统的互动方式。这可以提供有关当前AI设计优缺点的重要见解。

  4. 迭代设计和反馈: 创建一个迭代反馈循环,让人类用户可以持续提供关于AI性能的输入,从而实现持续改进。

以下是一个简单的例子,说明这如何在实践中运作。以客户服务聊天机器人为例。我们不仅可以根据它准确回答问题的能力来评估它,还可以评估它与人代理协同工作的效果。指标可能包括成功解决而无需人类干预的查询数量、聊天机器人在失败时需要人类代理介入的时间以及用户满意度评分。

更广泛的影响

转向以人为本的AI评估有几个更广泛的影响。首先,它鼓励开发与人类需求和价值观更一致的AI系统。这对于建立信任和确保AI为社会谋福利而非其害至关重要。

其次,它促进对AI能力和局限性的更细致理解。通过关注协作,我们认识到AI不是万能药,而是一种在适当使用时可以增强人类能力的工具。

最后,这种方法促进了更具包容性的AI开发过程。通过让人类参与评估环节,我们可以确保考虑到不同利益相关者的多样化需求和观点,从而带来更公平和可持续的AI系统。

总结

《AI评估应与人类合作》这篇论文通过倡导从超越人类性能指标转向协作效率,挑战了AI评估的现状。这种以人为本的方法有可能带来真正补充人类能力的AI系统,促进一个技术与人共同繁荣的未来。随着我们继续推进AI发展,重要的是要记住,最终目标不是创建可以取代人类的系统,而是增强我们的集体能力并为所有人创造一个更好的世界。

Agentao:一个用于工具使用LLM代理的本地优先受控运行时 2026-08-17
大型语言模型的稳定误校准:高置信度错误的实践视角 2026-08-17

评论区