Human-in-the-loop is een vorm van supervised machine learning waarbij er een constante interactie tussen mens en AI plaatsvindt. Aan de hand van menselijke feedback optimaliseert een AI model de uitvoering van haar taak. Human-in-the-loop draagt zo bij aan het verhelpen van problemen die AI (nog) niet zelf kan oplossen.
Wat is machine learning?
Machine learning is een vorm van kunstmatige intelligentie waarbij algoritmen en code worden ingezet om computers zichzelf te laten verbeteren in het uitvoeren van een specifieke taak. Computers worden hiertoe geprogrammeerd om aan de hand van geanalyseerde data beslissingen of voorspellingen te maken. Door patronen en relaties in data te herkennen en op te slaan biedt elke set aan nieuwe data weer meer mogelijkheden.
Hoe werkt Human-in-the-loop machine learning?
In Human-in-the-loop machine learning staat menselijke bijdrage aan AI oplossingen centraal. Voorafgaand aan, maar ook tijdens het uitvoeren van de AI taak, is er menselijke input die het AI model begeleidt. Er ontstaat zo een constante feedback loop, deze werkt als volgt;
- Een AI model krijgt van haar (menselijke) gebruiker gelabelde data als input waarmee zij een taak uitvoert en zo output levert.
- De gebruiker beoordeelt deze output, door haar te bevestigen, af te wijzen of te herlabelen. De data die uit de beoordeling komen vormen nieuwe input.
- Aan de hand van deze input, levert het model nieuwe en verbeterde output.
- Dit proces van beoordeling, input en output herhaalt zich tot de geleverde output voor de gebruiker naar wens is.
Human-in-the-loop machine learning is handig wanneer er onvoldoende data beschikbaar is voor een model om op zichzelf een taak uit te voeren. De menselijke input vormt dan een constante stroom aan nieuwe bruikbare data.
Human-in-the-loop voorbeeld
Content moderatie is een goed voorbeeld van een praktijk waar Human-in-the-loop machine learning wordt gebruikt. Grote sociale media platformen als Facebook, X en Instagram zijn openbaar voor miljarden gebruikers. Het handhaven van richtlijnen is voor zulke platformen dan ook een grote opgave. De hoeveelheid aan data die gebruikers creëren is namelijk niet controleerbaar door alleen menselijke toetsers. Een AI model kan daarentegen onmogelijk zelfstandig bepalen wat mensen bijvoorbeeld wel en niet als haatdragend ervaren. Daarom werken mensen en AI samen om de content op zulke platformen te modereren. De menselijke input komt in dit geval niet alleen van de ontwikkelaars van het model, maar voornamelijk van de gebruikers van sociale media zelf. Indien duizenden mensen op Instagram een post rapporteren vanwege pestgedrag of intimidatie verwijdert het AI model dat Instagram’s content modereert deze post niet alleen, maar neemt het deze informatie ook mee voor verdere moderatie. Zo maakt het model het breken van richtlijnen op Instagram steeds moeilijker.
Meer leren over moderne technische oplossingen? Lees hier verder in onze KennisHub.
