Un nouveau système combine l’intelligence humaine et artificielle pour améliorer l’expérimentation

Bien que l’intelligence artificielle diminue les erreurs humaines lors des expérimentations, les experts humains surpassent l’IA lorsqu’ils identifient les causes ou travaillent avec de petits ensembles de données.

Pour capitaliser sur l’IA et les atouts des chercheurs, les scientifiques de l’ORNL, en collaboration avec l’Université nationale Cheng Kung de Taiwan et l’Université du Tennessee à Knoxville, ont développé un système de recommandation de collaboration homme-IA pour améliorer les performances d’expérimentation.

Lors des expérimentations, les algorithmes d’apprentissage automatique du système, décrits dans Matériaux informatiques npj, afficher les observations préliminaires pour examen humain. Les chercheurs votent sur les données, demandant à l’IA d’afficher des informations similaires ou de changer de direction, à la manière d’un service de streaming générant du contenu suggéré en fonction de l’activité des utilisateurs. Après des conseils initiaux, les algorithmes s’améliorent pour éclairer les données pertinentes avec peu d’intervention humaine.

« Le fondement de cette recherche n’est pas fondamentalement la quantité de données mais la qualité des données que nous visons », a déclaré Arpan Biswas de l’ORNL.

Les expériences et les flux de travail autonomes ont été soutenus par le Center for Nanophase Materials Sciences, et le développement d’algorithmes a été soutenu par le projet MLExchange visant à étendre le développement de l’apprentissage automatique dans les laboratoires nationaux.