Iako veštačka inteligencija smanjuje ljudsku grešku u eksperimentisanju, ljudski stručnjaci nadmašuju AI kada identifikuju uzročnost ili rade sa malim skupovima podataka.
Da bi iskoristili prednosti veštačke inteligencije i istraživača, naučnici ORNL-a, u saradnji sa Nacionalnim univerzitetom Cheng Kung, Tajvan, i Univerzitetom Tenesi, Noksvil, razvili su sistem preporuka za saradnju između ljudi i veštačke inteligencije za poboljšane performanse eksperimentisanja.
Tokom eksperimenata, sistemski algoritmi mašinskog učenja, opisani u npj Computational Materials, prikazuju preliminarna zapažanja za pregled od strane ljudi. Istraživači glasaju za podatke, govoreći AI da pokaže slične informacije ili promeni pravac, slično servisu za striming koji generiše predloženi sadržaj na osnovu aktivnosti korisnika. Nakon početnog navođenja, algoritmi se poboljšavaju kako bi osvetlili relevantne podatke uz malo ljudskog unosa.
„Osnova ovog istraživanja u osnovi nije kvantitet podataka, već kvalitet podataka kojima težimo“, rekao je Arpan Bisvas iz ORNL-a.
Eksperimente i autonomne tokove rada podržao je Centar za nauke o nanofaznim materijalima, a razvoj algoritama je podržao projekat MLEkchange za proširenje razvoja mašinskog učenja u nacionalnim laboratorijama.
