Üretken yapay zekanın ortaya çıkışından çok önce, makine öğrenimi modelleri, bir dizi spesifik alanda insan tahmin performansını aştı. Yeterli veriye sahip sınırlı bir alanda, makine öğrenimi genellikle sonuçları tahmin etmede son derece iyidir.

Ancak makine öğrenimi yalnızca yeterli verinin olduğu tanımlanmış alanlarda çalışabilir. Gerçek dünyadaki karar alma durumlarının çoğunda, tahminlerin yüksek derecede dikkatle alınması gerekir. 

Geleneksel analitik yapay zeka yaklaşımlarının çoğu ile Büyük Dil Modelleri (LLM'ler) arasındaki kritik farklardan biri, ilkinin neredeyse her zaman sınırlı alanlara uygulanması, LLM'lerin doğası gereği kapsamlarının sınırsız olmasıdır. Bu nedenle iş, ekonomi, politika, bilim ve daha fazlasını içeren çeşitli alanlarda insanlarla birlikte daha iyi tahminler yapılmasına yardımcı olma potansiyeline sahiptir.

Çok ilginç yeni bir baskı öncesi kağıdı Yapay Zekayla Zenginleştirilmiş Tahminler: Yüksek Lisans Asistanları İnsan Tahmininin Doğruluğunu Artırıyor Tahminlerin iyileştirilmesinde Üretken Yapay Zekanın rolünü araştırıyor. İşte en ilginç görüşlerden bazıları:

İnsan tahmincilerin LLM'leri kullanması doğruluğu %23 artırdı

Kendi başlarına tahminlerde bulunan Yüksek Lisans'ların insanlardan önemli ölçüde düşük performans gösterdiği gösterilmiştir. Çalışmada, insan tahmincilere, tahminlerin yanı sıra gerekçelerini de sağlayan bir süper tahmin istemi (aşağıya bakınız) ile LLM'lere erişim izni verildi. Yüksek Lisans'ı kullananlar tahmin doğruluğunu %23 oranında artırdı. Çeşitli tahmin görevleri arasında döviz kurları, üretilen araştırma makalelerinin sayısı, mülteci sayıları ve ticari uçuşlara ilişkin tahminler yer alıyordu.

LLM'lerin kullanımı, sonuçları insan beceri seviyelerinde eşit derecede iyileştirdi

Bir dizi başka çalışma, Yüksek Lisans kullanımının düşük vasıflı kişilerin performansını yüksek vasıflı kişilere göre daha fazla artırdığını göstermiştir. Burada durumun böyle olduğu kanıtlanmadı. Süper tahminci soyağacına sahip kişiler, daha az deneyimli tahmincilere benzer performans artışı gösterdi.

Önyargılı modeller bile insanın tahmin performansını artırır

İlginç içgörülerden biri, kasıtlı olarak önyargılı modellerin, görünürde tarafsız modeller kadar performansı artırmasıydı. Bu, üretken yapay zeka kullanımına ilişkin 'İnsanlar + Yapay Zeka' çerçevesinin harika bir örneğidir; burada LLM'ler kullanılarak insanların düşünme süreçleri için ek değerlendirmeler sağlanır ve girdi çok doğru olmasa bile insan düşünmesi geliştirilir. Yazarların yazdığı gibi:

LLM bilişi, bir insan aracı olarak kullanıldığında, LLM bilişi tek başına bir şekilde etkisiz olsa bile, tahmin alanında insan bilişini sinerjik olarak geliştirebilir.

İnsan-LLM ileri geri gidiş gelişleri, daha iyi sonuçlar elde etmede önemlidir

İnsanlar + Yapay Zeka performansına ilişkin bazı çalışmalar, süreç üzerinde belirli bir yapıyı zorlar; örneğin, insanın karar verme sürecinde girdi olarak kullanılan Yapay Zeka çıktıları. Çalışmadaki tahminciler, sadece dikkate almaları için tahminler oluşturmak, sorunları, faktörleri veya düşünce çizgilerini keşfetmek için daha kapsamlı etkileşimde bulunmak da dahil olmak üzere LLM'leri seçtikleri şekilde kullanmakta özgürdü. Bu insan destekli serbest biçimli etkileşimin, herhangi bir özel düşünce mimarisini kullanmaktan daha iyi sonuçlar üretmesi muhtemeldir.

Tahmin çeşitliliği bozulmaz

“Kalabalığın bilgeliği”nin değeri, farklı bakış açılarının bir araya getirilmesinden gelir. Yüksek Lisans'lar, genellikle oldukça tutarlı çıktıları aracılığıyla, bir dizi tahminciyi belirli bir düşünme biçimine yönlendirir veya sabitlerse, tahminleri homojenleştirebilir ve onları daha az doğru ve kullanışlı hale getirebilir. Ancak durumun böyle olmadığı görüldü.   

Tahmin, yapay zeka destekli düşünmeyi göstermek için mükemmel bir kullanım örneğidir

Pek çok kişi, en büyük değeri düşüncemizi geliştirmek olduğunda yapay zekanın insan yeteneklerinin yerine geçmesine odaklanıyor. Aslında tahmin, son derece uygun bir kullanım durumudur. 

Doğru tahmin, karar faktörlerinin aşırı karmaşıklığı nedeniyle çok çeşitli farklı insan yetenekleri gerektirir. Hukuk Yüksek Lisansı'nın performansı, doğrudan karşılaştırıldığında insanlardan ciddi şekilde düşük performans gösteriyor; ancak etkili bir şekilde kullanıldığında insan performansını önemli ölçüde artırabilir. Yazarların yazdığı gibi:

Sonuçlarımız, Yüksek Lisans ile insanın karar verme sürecini artırma vaadini gösteriyor… Yüksek Lisans'ın, doğrudan yanıtlar sağlamaktan ileri geri bir şekilde etkileşime geçmeye kadar uzanan geliştirme yeteneği, insan performansını ve akıl yürütmeyi kesinlikle standart dışı bağlamlarda geliştirebilir. modelin eğitim verileri ortamı… LLM'nin arttırılması, makine ve insan yeteneklerinin entegre edilmesinde değerli bir yaklaşım olabilir.

'Süper Tahminci' istemi

Aşağıda çalışmada kullanılan Superforecaster istemi verilmiştir. Kendi denemelerimde, nasıl kullanıldığına bağlı olarak değişken sonuçlar ve sonuçlar sağlıyor, ancak her zaman yararlı ileri geri etkileşim ve tahminler üzerine düşünmenin iyileştirilmesi için sağlam bir başlangıç ​​noktası sağlıyor. Bu aynı zamanda şu adreste de mevcuttur: DüşünceWeaver uygulaması.

###

Bu sohbette, tahmin yardımı sağlayan bir süper tahmincisiniz. Gelecekle ilgili doğru tahminler konusunda etkileyici bir geçmişe sahip, deneyimli bir süper tahmincisiniz.

Kapsamlı deneyiminizden yararlanarak, geçmiş olayların her zaman geleceğin mükemmel göstergeleri olmadığını anlayarak, tahminlerinizi oluşturmak için geçmiş verileri ve eğilimleri titizlikle değerlendirirsiniz. Bu, potansiyel sonuçlara olasılıklar atamanızı ve sürekli olaylar için tahminler sağlamanızı gerektirir. Birincil hedefiniz, genellikle potansiyel sonuç aralığını yansıtacak belirsizlik aralıkları sağlayarak bu tahminlerde en yüksek doğruluğu elde etmektir.

Tahmin sürecinize, geçmişteki benzer olayların referans sınıflarını belirleyerek ve ilk tahminlerinizi temel oranlara dayandırarak başlarsınız. Başlangıç ​​olasılığını veya tahminini belirledikten sonra, mevcut bilgilere ve eldeki durumun benzersiz özelliklerine göre ayarlama yaparsınız. Tarihsel kalıplara güvenmek ile yeni bilgilere uyum sağlamak arasındaki denge çok önemlidir.

Her tahmin için gerekçenizi özetlerken, tahmininizin lehinde ve aleyhindeki en ikna edici delilleri ve argümanları detaylandıracak ve nihai tahmininize ulaşmak için bu delilleri nasıl tarttığınızı açıkça açıklayacaksınız. Sebepleriniz, olasılık yargınızla veya sürekli tahmininizle doğrudan ilişkili olacak ve tutarlılık sağlanacaktır. Ayrıca, tahminlerdeki doğal belirsizlikleri vurgulayarak, gerçek sonucun muhtemelen düşeceği aralığı yakalamak için sıklıkla bir belirsizlik aralığı sağlarsınız.

Tahminlerinize yardımcı olmak için süper tahminin 10 emrinden yararlanırsınız:
1. Triyaj
2. Çözülemez gibi görünen sorunları çözülebilir alt problemlere ayırın
3. İçeriden ve dışarıdan görünümler arasında doğru dengeyi kurun
4. Kanıta yetersiz tepki vermekle aşırı tepki vermek arasında doğru dengeyi kurun
5. Her problemde çatışan nedensel güçleri arayın
6. Sorunun izin verdiği ölçüde şüphe derecelerini ayırt etmeye çalışın, ancak daha fazlasını değil
7. Az ve aşırı güven, basiret ve kararlılık arasında doğru dengeyi kurun
8. Hatalarınızın ardındaki hataları arayın ancak dikiz aynası önyargılarına karşı dikkatli olun
9. Başkalarının içindeki en iyiyi ortaya çıkarın ve başkalarının da sizin içinizdeki en iyiyi ortaya çıkarmasına izin verin
10. Hata dengeleme bisikletinde ustalaşın

Dikkatlice değerlendirdikten sonra nihai tahmininizi sunacaksınız. Kategorik olaylar için bu, 0 ile 100 arasında (2 ondalık basamağa kadar) belirli bir olasılık olacaktır. Sürekli sonuçlar için, sonucun düşme olasılığının en yüksek olduğu aralığı temsil eden bir belirsizlik aralığıyla birlikte en iyi tahmini verirsiniz. Bu tahmin veya tahmin, söz konusu olaya ilişkin en iyi eğitimli tahmininizi temsil eder. Her tahmin görevine odaklanarak ve sabırla yaklaşmayı ve her seferinde bir adım atmayı unutmayın.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://rossdawson.com/humans-ai-forecasting-far-outperforms-either-alone-6-lessons-learned/