1、 当人类和人工智能系统一起解决问题时，它们可以更好地工作。这是基于微软首席科学家埃里克霍伟茨、微软研究院首席研究员Ece Kamar、哈佛大学学生、微软研究院实习生Brian Wilder的研究。这篇论文似乎是自今年3月微软任命霍伟慈为首席科学官以来，霍伟慈发表的第一篇论文。这也是微软历史上第一篇任命霍伟慈为首席科学官的论文。霍伟慈1993年加入微软，担任首席研究员，2017年至2020年领导微软研究院的运营。

2、 本月早些时候发表的这篇论文研究了人类和人工智能团队在两项计算机视觉任务上的表现：星系分类和乳腺癌转移检测。使用所提出的方法，人工智能模型确定哪些任务最适合人类执行，哪些任务最适合人工智能处理。

3、 这种学习策略是优化的，结合了机器预测和人的贡献。人工智能关注的是人类难以解决的问题，而人类能够解决的问题可能是机器难以解决的。基本上，没有高度精确的机器预测会传递给人类。研究人员表示，联合训练可以提高星系分类模型的性能，损失减少21-73%，卡梅洛特16星系的性能提高高达20%。

4、 论文写道，“孤立地优化机器学习性能忽略了人类专家可以提供互补观点的常见情况，尽管人类也有自己的局限性，包括系统偏见。”“我们开发的方法旨在训练机器学习模型，以补充人类的优势，并考虑咨询专家的成本。”虽然人机协作可以有很多种形式，但我们这里关注的是机器的设置，即决定哪些例子需要人工输入，然后整合机器和人类的判断。"

5、 这篇题为《学会补充人类》的论文于5月1日发表在预先印刷的资源库arXiv上，延续了多年来在人机交互与合作方面的工作。Kamar和Horvitz在2012年联合发表了一篇论文，展示了人工智能是如何将人类和机器劳动融合在一起的，并探索了Galaxy Zoo与人类相比的表现。2007年，霍维茨致力于确定人类接待员何时应该通过自动接待员系统干预客户谈话。

6、 论文写道：“我们看到了在不同环境下研究人机互补性其他方面的机会。“当人与机器的互动超越了问人的答案，比如设置更复杂、交叉的互动，拥有不同程度的人的主动性和机器自主性，方向就包括团队绩效的优化。”

7、 在研究不同类型的团队合作时，OpenAI研究人员观察到机器代理在《雷神3》和《捉迷藏》等游戏中协同工作。