O que é human-in-the-loop?
Human-in-the-loop (HITL) refere-se a um sistema onde um humano pode dar feedback direto a um modelo de inteligência artificial (IA). Humanos podem interagir diretamente com tais sistemas sempre que o modelo de IA retorna uma previsão com confiança menos que ideal.
Em atividades ou circunstâncias complicadas, quando robôs sozinhos não conseguem produzir os resultados pretendidos, o HITL reconhece a importância do julgamento humano, tomada de decisão e supervisão.
Os humanos participam ativamente do processo de IA antes, durante ou após a operação do sistema automatizado. O principal objetivo é fornecer feedback, direção, validação ou supervisão para melhorar o desempenho, precisão e confiabilidade da IA. Alguns assistentes virtuais inteligentes (IVAs) adotam esse conceito para fornecer resultados mais precisos e exatos.
Aplicações do human-in-the-loop
Muitos campos usam HITL se a confiança de um humano for necessária na tomada de decisões para alcançar resultados precisos, confiáveis e éticos. Abaixo estão algumas das aplicações de humanos no loop:
- Moderação de conteúdo. Redes sociais frequentemente usam técnicas HITL para controlar material gerado por usuários. Além de algoritmos de moderação automatizados, pessoas examinam conteúdo sinalizado ou denunciado para ver se está em violação dos padrões da comunidade ou políticas de conteúdo.
- Suporte ao cliente e chatbots. Um chatbot pode escalar uma discussão para um agente humano para assistência quando não consegue compreender ou responder à pergunta de um cliente. O agente humano intervém para oferecer assistência individual e gerenciar problemas difíceis, melhorando a experiência geral.
- Telemedicina e diagnóstico médico. Um especialista humano é frequentemente incluído na corroboração de diagnósticos, análise de resultados e tomada de decisões de tratamento sábias. Sistemas de IA podem ajudar na análise de imagens médicas ou dados de pacientes.
- Veículos autônomos. Neste caso, mesmo que o sistema de IA do veículo gerencie a maioria das responsabilidades de direção, um operador ou motorista humano está preparado para intervir quando o sistema encontra cenários ambíguos ou não reage como esperado. A pessoa monitora a máquina e assume o controle conforme necessário.
- Detecção de fraude. HITL é útil em sistemas de detecção de fraude, particularmente para organizações financeiras. Sistemas automatizados podem sinalizar transações ou atividades suspeitas para evitar falsos positivos ou negativos. Humanos então examinam e validam esses alertas. A expertise humana é essencial para identificar padrões de fraude complexos.
- Transcrição e tradução de idiomas. Empresas de tradução de idiomas frequentemente usam sistemas human-in-the-loop para aumentar a precisão da tradução. Tradutores humanos examinam e corrigem as traduções originais produzidas por sistemas de IA para garantir a precisão. Transcrições iniciais são feitas por sistemas automáticos em serviços de transcrição, e revisores e editores humanos as verificam para garantir a precisão.
Benefícios do human-in-the-loop
O núcleo das operações comerciais de hoje é a IA e modelos de aprendizado de máquina (ML). As empresas os usam como instrumentos para aumentar a receita, lucro e eficiência. Desta forma, a principal vantagem comercial dos algoritmos de ML torna o modelo de aprendizado de máquina HITL um assunto significativo.
- Rotulagem de dados. O aprendizado de máquina com HITL se beneficia grandemente da rotulagem de dados, pois aumenta a eficiência operacional de modelos de IA/ML. A rotulagem de dados usa a contribuição humana que melhora o algoritmo.
- Resultados de alta qualidade. A eficácia dos modelos de IA/ML está intimamente correlacionada com a qualidade dos dados. Dados mais precisos produzem previsões mais precisas.
- Feedback constante. Apesar do procedimento de rotulagem de dados, o feedback contínuo sobre a produção do HITL melhora a precisão dos modelos de ML e garante a alta qualidade da produção do HITL.
- Precisão. Ao contrário da IA, o cérebro humano desempenha razoavelmente bem quando os dados estão incompletos ou tendenciosos. Por exemplo, uma pessoa pode dizer se algo é um gato ou não apenas olhando para sua cauda. Como resultado, a contribuição humana torna-se um componente crucial do HITL que aumenta a precisão em caso de dados incompletos.
Melhores práticas para implementar human-in-the-loop
As empresas podem combinar as forças de humanos e máquinas para alcançar precisão e eficiência sem precedentes. É essencial encontrar o equilíbrio perfeito entre o trabalho humano e o trabalho da máquina para maximizar o desempenho e a produção. Abaixo estão alguns pontos para as empresas terem em mente ao implementar human-in-the-loop:
- Determine o procedimento correto. Procure por trabalhos repetitivos e baseados em regras que possam ser facilmente automatizados com automação de processos robóticos (RPA). Pense nas tarefas que exigem julgamento e tomada de decisão humanos e investigue seriamente os procedimentos que já são terceirizados.
- Resuma os papéis do human-in-the-loop. Defina as funções e obrigações para pessoas e máquinas e descubra quais trabalhos serão automatizados e quais precisarão de intervenção humana. A RPA pode lidar facilmente com validação e extração de dados, mas os humanos são a melhor aposta para pensamento crítico ou tomada de decisão estratégica.
- Eduque os membros da equipe. Treine os membros da equipe para usar RPA e IA se os usuários quiserem que o processo human-in-the-loop permaneça interno. Garanta que eles conheçam o procedimento automatizado e como gerenciar exceções.
- Sistema de feedback. Crie um loop de feedback envolvendo pessoas e máquinas. Isso facilita a verificação de que tanto os processos automatizados quanto a tomada de decisão humana estão operando corretamente.
- Acompanhe o progresso. Verifique regularmente o desempenho do processo automatizado. Isso permite a detecção precoce e correção de quaisquer problemas potenciais.
Saiba mais sobre aprendizado supervisionado e entenda como ensinar máquinas a nos ajudar.
Sagar Joshi
Sagar Joshi is a former content marketing specialist at G2 in India. He is an engineer with a keen interest in data analytics and cybersecurity. He writes about topics related to them. You can find him reading books, learning a new language, or playing pool in his free time.
