الإنسان في الحلقة

جزء من سلسلة عن
التعلم الآلي واستخراج البيانات
النماذج التعلم تحت الإشراف التعلم غير الخاضع للإشراف التعلم شبه الخاضع للإشراف التعلم الذاتي التعلم التعزيزي التعلم الفوقي التعلم عبر الإنترنت التعلم الدفعي التعلم المنهجي التعلم المبني على القواعد الذكاء الاصطناعي الرمزي العصبي الهندسة العصبية التعلم الآلي الكمومي
المشاكل تصنيف النمذجة التوليدية الانحدار التجميع تخفيض الأبعاد تقدير الكثافة كشف الشذوذ تنظيف البيانات التعلم الآلي التلقائي قواعد الجمعية التحليل الدلالي التنبؤ المنظم هندسة المميزات ميزة التعلم تعلم الترتيب الاستدلال النحوي التعلم الأنطولوجيا التعلم المتعدد الوسائط
التعلم الخاضع للإشراف ( التصنيف  • الانحدار ) التعلم عن طريق التدريب أشجار القرار الفرق الموسيقية التعبئة في أكياس تعزيز غابة عشوائية ك -ن ن الانحدار الخطي بايز الساذج Artificial neural networks Logistic regression Perceptron Relevance vector machine (RVM) Support vector machine (SVM)
Clustering BIRCH CURE Hierarchical k-means Fuzzy Expectation–maximization (EM) DBSCAN OPTICS Mean shift
Dimensionality reduction Factor analysis CCA ICA LDA NMF PCA PGD t-SNE SDL
Structured prediction Graphical models Bayes net Conditional random field Hidden Markov
Anomaly detection RANSAC k-NN Local outlier factor Isolation forest
Artificial neural network Autoencoder Deep learning Feedforward neural network Recurrent neural network LSTM GRU ESN reservoir computing Boltzmann machine Restricted GAN Diffusion model SOM Convolutional neural network U-Net LeNet AlexNet DeepDream Neural radiance field Transformer Vision Mamba Spiking neural network Memtransistor Electrochemical RAM (ECRAM)
Reinforcement learning Q-learning SARSA Temporal difference (TD) Multi-agent Self-play
Learning with humans Active learning Crowdsourcing Human-in-the-loop RLHF
Model diagnostics Coefficient of determination Confusion matrix Learning curve ROC curve
Mathematical foundations Kernel machines Bias–variance tradeoff Computational learning theory Empirical risk minimization Occam learning PAC learning Statistical learning VC theory
Journals and conferences ECML PKDD NeurIPS ICML ICLR IJCAI ML JMLR
Related articles Glossary of artificial intelligence List of datasets for machine-learning research List of datasets in computer vision and image processing Outline of machine learning
v t e

يستخدم نموذج الإنسان في الحلقة ( HITL ) في سياقات متعددة. ويمكن تعريفه بأنه نموذج يتطلب تفاعلًا بشريًا. ^{[1] [2]} يرتبط نموذج الإنسان في الحلقة بالنمذجة والمحاكاة (M&S) في التصنيف الحي والافتراضي والبناء . كما يتم استخدام نموذج الإنسان في الحلقة مع نموذج الإنسان في الحلقة المرتبط به فيما يتعلق بالأسلحة المستقلة القاتلة . ^{[3] علاوة على ذلك، يتم استخدام نموذج الإنسان} في الحلقة في سياق التعلم الآلي . ^[4]

في التعلم الآلي، يتم استخدام HITL بمعنى مساعدة البشر للكمبيوتر في اتخاذ القرارات الصحيحة في بناء نموذج. ^[4] تعمل HITL على تحسين التعلم الآلي على أخذ العينات العشوائية من خلال تحديد البيانات الأكثر أهمية اللازمة لتحسين النموذج. ^[5]

في المحاكاة، قد تتوافق نماذج HITL مع متطلبات العوامل البشرية كما في حالة النموذج الأولي . في هذا النوع من المحاكاة، يكون الإنسان دائمًا جزءًا من المحاكاة وبالتالي يؤثر على النتيجة بطريقة يصعب إن لم يكن من المستحيل إعادة إنتاجها بدقة. كما تسمح HITL بسهولة بتحديد المشكلات والمتطلبات التي قد لا يمكن تحديدها بسهولة من خلال وسائل المحاكاة الأخرى.

غالبًا ما يُشار إلى HITL باسم المحاكاة التفاعلية، وهو نوع خاص من المحاكاة الفيزيائية التي تتضمن مشغلين بشريين، كما هو الحال في محاكاة الطيران أو القيادة .

يتيح الانغماس في التجربة للمستخدم تغيير نتيجة حدث أو عملية. يساهم الانغماس بشكل فعال في نقل المهارات المكتسبة إلى العالم الحقيقي بشكل إيجابي. ويمكن إثبات ذلك من خلال استخدام المتدربين لأجهزة محاكاة الطيران استعدادًا لأن يصبحوا طيارين.

كما يسمح HITL باكتساب المعرفة فيما يتعلق بكيفية تأثير عملية جديدة على حدث معين. يتيح استخدام HITL للمشاركين التفاعل مع نماذج واقعية ومحاولة الأداء كما يفعلون في سيناريو فعلي. تبرز عمليات محاكاة HITL القضايا التي لن تكون واضحة بخلاف ذلك إلا بعد نشر عملية جديدة. أحد الأمثلة الواقعية لمحاكاة HITL كأداة تقييم هو استخدامها من قبل إدارة الطيران الفيدرالية (FAA) للسماح لمراقبي الحركة الجوية باختبار إجراءات الأتمتة الجديدة من خلال توجيه أنشطة حركة المرور الجوية المحاكاة أثناء مراقبة تأثير الإجراءات التي تم تنفيذها حديثًا. ^[6]

كما هو الحال مع معظم العمليات، هناك دائمًا احتمال حدوث خطأ بشري ، والذي لا يمكن إعادة إنتاجه إلا باستخدام محاكاة HITL. على الرغم من أنه يمكن القيام بالكثير لأتمتة الأنظمة، إلا أن البشر ما زالوا بحاجة إلى أخذ المعلومات التي يوفرها النظام لتحديد مسار العمل التالي بناءً على حكمهم وخبرتهم. لا يمكن للأنظمة الذكية أن تذهب بعيدًا في ظروف معينة لأتمتة عملية ما؛ فقط البشر في المحاكاة يمكنهم الحكم بدقة على التصميم النهائي. قد تكون المحاكاة المكتبية مفيدة في المراحل المبكرة جدًا من تطوير المشروع لغرض جمع البيانات لتعيين معلمات واسعة، لكن القرارات المهمة تتطلب محاكاة بشرية. ^[7]

تعمل المحاكاة الافتراضية على إدخال HITL في دور مركزي من خلال ممارسة مهارات التحكم في الحركة (على سبيل المثال قيادة طائرة)، أو مهارات اتخاذ القرار (على سبيل المثال تخصيص موارد مكافحة الحرائق للعمل)، أو مهارات الاتصال (على سبيل المثال كأعضاء في فريق C4I ).

• محاكيات الطيران
• محاكيات القيادة
• محاكيات بحرية
• ألعاب الفيديو
• محاكيات إدارة سلسلة التوريد ^[8]
• العرائس الرقمية

على الرغم من أن المحاكاة البشرية داخل الحلقة قد تتضمن محاكاة حاسوبية في شكل بيئة اصطناعية، فإن المحاكاة الحاسوبية ليست بالضرورة شكلاً من أشكال المحاكاة البشرية داخل الحلقة، وغالبًا ما تُعتبر محاكاة بشرية خارج الحلقة. في هذه الحالة المعينة، يتم تعديل سلوك نموذج الكمبيوتر وفقًا لمجموعة من المعلمات الأولية. تختلف نتائج النموذج عن النتائج الناتجة عن محاكاة بشرية حقيقية داخل الحلقة لأن النتائج يمكن تكرارها بسهولة مرارًا وتكرارًا، ببساطة عن طريق توفير معلمات متطابقة.

وقد وضعت بوني دوكرتي ثلاثة تصنيفات لدرجة السيطرة البشرية على أنظمة الأسلحة المستقلة في تقرير صادر عن هيومن رايتس ووتش عام 2012. ^[3]

• الإنسان في الحلقة : يجب أن يكون الإنسان هو الذي يحرك السلاح (بمعنى آخر ليس مستقلاً تمامًا)
• الإنسان على الحلقة : يمكن للإنسان إلغاء الإجراء
• الإنسان خارج الدائرة : لا يوجد أي تدخل بشري

• الذكاء الإنساني ، وهو الذكاء الذي ينشأ من وجود الإنسان في حلقة التغذية الراجعة للعملية الحسابية ^[9]
• التعلم التعزيزي من ردود الفعل البشرية
• MIM-104 Patriot - أمثلة على نظام سلاح ذاتي قاتل يتم التحكم فيه عن بعد ويشكل تهديدًا للقوات الصديقة.