የሰው-ውስጥ-ዘ-ሉፕ ወኪሎች መመሪያ

አጠቃላይ እይታ

They keep a human accountable for high-stakes decisions while still letting automation do the heavy lifting.

ጥልቅ ዳይቭ

ሙሉ በሙሉ ራሱን የቻለ ወኪል በራሱ ይወስናል እና ይሠራል; የሰው-በ-ዘ-ሉፕ ወኪል አንድ ሰው የወኪሉን ሃሳብ ከመፈጸሙ በፊት የሚገመግምበትን የፍተሻ ነጥብ ያስገባል። የተለመዱ ቅጦች የማጽደቅ በሮች (ወኪሉ ኢሜይል ወይም ገንዘብ ተመላሽ አርቅቆ ለመላክ ጠቅ እስኪያደርግ ይጠብቃል)፣ በራስ መተማመን ላይ የተመሰረተ መጨመር (የሰው ልጅ እርግጠኛነቱ ከመነሻው በታች ሲወድቅ ብቻ ነው የሚያቋርጠው) እና ንቁ ትምህርት (እርግጠኝነት የሌላቸው ጉዳዮች ወደ ሰዎች ይወሰዳሉ፣ መልሱ የወደፊት የስልጠና መረጃ ይሆናል)። ግቡ አውቶሜሽን ፍጥነትን እና ሚዛንን ከሰው ፍርድ ፣ ተጠያቂነት እና ጉዳት ከማድረሳቸው በፊት ስህተቶችን የመያዝ ችሎታን ማዋሃድ ነው። ለትርፍ ያልተቋቋመ፣ ይህ ማለት የእርዳታ ምላሾችን የሚያዘጋጅ ነገር ግን ከሰራተኛ ማቋረጥ ጋር ግንኙነት የሌለውን በጭራሽ የማይልክ ወኪል ማለት ሊሆን ይችላል።

ቴክኒካዊ ግንዛቤ

በቴክኒክ፣ HITL የሚተገበረው እንደ ማቋረጫ ወይም እንደ መሳሪያ ጥሪ በር በወኪሉ የቁጥጥር ዑደት ውስጥ ነው። ተወካዩ ሚስጥራዊነት ያለው እርምጃ ሲወስድ ኦርኬስትራተሩ ግድያውን ያቆማል፣ የተወካዩን ሁኔታ በቅደም ተከተል ያስቀምጣል እና የሰው ልጅ እንዲገመገም ጥያቄ ያቀርባል። አንድ ሰው ያጸድቃል፣ ያስተካክላል ወይም አይቀበልም፤ ያ ምላሽ እንደ አውድ ተመልሷል እና ምልልሱ እንደገና ይቀጥላል። የመተማመን ውጤቶች፣ እርግጠኛ ያልሆኑ ግምቶች፣ ወይም የመመሪያ ደንቦች የትኛዎቹ እርምጃዎች ቆም ብለው እንደሚያስነሱ እና በራስ-ሰር እንዲሄዱ ይወስናሉ።

ስልታዊ ተጽእኖ

ምርጫዎችን ይገንቡ

የመተግበሪያ ደረጃ ንድፍ AI እውነተኛ ውጤቶችን የሚያሻሽል መሆኑን ይወስናል።

ቡድን እና የስራ ፍሰት

ጥሩ የስራ ፍሰት ውህደት ተጠቃሚዎች የሚያምኑትን የምርታማነት ትርፍ ይፈጥራል።

አደጋ እና ደህንነት

በጥሩ ሁኔታ ጥቅም ላይ የዋሉ ጉዳዮች የለውጥ ድካም እና የመተግበር አደጋን ይቀንሳሉ.

የሰው-ውስጥ-ዘ-ሉፕ ወኪሎች የወደፊት ዕጣ

ከሁለትዮሽ ማጽደቅ/አለመቀበል ይልቅ የበለጠ የደነዘዘ ቁጥጥርን ይጠብቁ። ወኪሎች ከጊዜ ወደ ጊዜ እያነሱ የሚያቋርጡ ጥያቄዎችን እየጨመሩ፣ ከንግዶች ጋር ብዙ አማራጮችን ያቀርባሉ፣ እና የእያንዳንዱን ተጠቃሚ ስጋት መቻቻል ይማራሉ እንደ አውሮፓ ህብረት AI ህግ ያሉ ደንቦች የሰውን ክትትል ለከፍተኛ አደጋ አጠቃቀም ይገፋፋሉ፣ ስለዚህ የHITL የፍተሻ ቦታዎች የንድፍ ምርጫ ብቻ ሳይሆን የተገዢነት መስፈርት እየሆኑ ነው። ያልተመሳሰሉ ማጽደቆችን፣ የኦዲት መንገዶችን እና 'ለአፍታ ማቆም እና ከቆመበት ቀጥል' ወኪል ሁኔታን ለማግኘት የሚደረግ መሳሪያ በፍጥነት በማደግ ላይ ነው።

የእውነተኛ-ዓለም አተገባበር

የደንበኛ ድጋፍ ወኪሉ የተመላሽ ገንዘብ ማጽደቆችን ያዘጋጃል ነገር ግን ከ$500 በላይ የሆነ ተመላሽ ገንዘብ ለአንድ ጠቅታ ማቋረጥ ለአንድ ሰው አስተዳዳሪ ያደርሳል።

አንድ የሕክምና-ኮድ AI ከመገመት ይልቅ ለማረጋገጥ ለተረጋገጠ ኮድደር አሻሚ ምርመራዎችን ያሳያል።

የይዘት አወያይ ስርዓት ግልጽ አይፈለጌ መልዕክትን በራስ-ሰር ያስወግዳል ነገር ግን የድንበር ልጥፎችን ወደ ሰው ገምጋሚዎች ያሳድጋል።

ኮድ ሰጪ ወኪል የውሂብ ጎታ ፍልሰትን ያቀርባል እና ገንቢውን በምርት ውስጥ ከማስኬዱ በፊት እስኪያጸድቅ ድረስ ይጠብቃል።

አደጋዎች እና የጥበቃ መንገዶች

የተበላሸ ሂደትን በራስ-ሰር ማድረግ አሁን ያሉትን ችግሮች ሊያሰፋ ይችላል.

ቡድኖች ከልክ በላይ አውቶማቲክ ማድረግ እና አስፈላጊውን የሰው ፍርድ ሊያስወግዱ ይችላሉ።

ውጤቶች በተከታታይ ካልተገመገሙ ጥራቱ ሊንሸራተት ይችላል።

የትግበራ ፍኖተ ካርታ

የአሁኑን የስራ ፍሰት ካርታ እና ከፍተኛ-ግጭት ደረጃን ይለዩ።

ሙሉ አውቶማቲክ ከመደረጉ በፊት የሰዎችን ፍተሻ ይግለጹ።

ተጠቃሚዎችን በጥያቄዎች፣በማሳደጊያ መንገዶች እና በጥራት ደረጃዎች አሰልጥኑ።

ዘላቂ እሴትን ለማረጋገጥ የተግባር ደረጃ ውጤቶችን ይከታተሉ።

ማሰስዎን ይቀጥሉ

AI ረዳቶች

ጠቃሚ እና ታማኝ ሆነው የሚቆዩ የረዳት የስራ ፍሰቶችን ይንደፉ።

መመሪያ ያንብቡ

AI ኮድ ማድረግ

ተግባራዊ AI እንዴት የሶፍትዌር አቅርቦትን እንደሚያሻሽል ይመልከቱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Human-in-the-Loop Agents quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

በተወካይ ሉፕስ ውስጥ ራስን ማንጸባረቅ

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Human-in-the-Loop Agents?

የሰው ልጅ-በዘ-loop (HITL) ወኪሎች የሚያስከትሉትን እርምጃዎች ከመውሰዳቸው በፊት የሰውን ፈቃድ፣ እርማት ወይም ግብአት ለማግኘት ቆም ብለው የሚቆሙ የ AI ስርዓቶች ናቸው። አውቶማቲክ ከባድ ስራን እንዲሰራ እየፈቀዱ ለከፍተኛ ውሳኔዎች የሰውን ልጅ ተጠያቂ ያደርጋሉ።

ሙሉ በሙሉ ራሱን ከቻለ ሰው ጋር ሲወዳደር የሰው-በ-ዘ-ሉፕ ወኪል ምን ይገልፃል?

ገላጭ ባህሪው አንድ ሰው የወኪሉን ተግባር ከመፈጸሙ በፊት የሚገመግምበት፣ የሚያስተካክልበት ወይም የሚያጸድቅበት የሰው ፍተሻ ነጥብ ነው።

በHITL ሥርዓት ውስጥ 'በመተማመን ላይ የተመሰረተ ማሳደግ' ንድፍ ምንድን ነው?

በራስ መተማመን ላይ የተመሰረቱ የማደግ መንገዶች በሰዎች ላይ እርግጠኛ ያልሆኑ ጉዳዮችን ብቻ ነው፣ ይህም ወኪሉ በራስ የመተማመን ጉዳዮችን በራስ ሰር እንዲቆጣጠር ያስችለዋል።

የሰው ፍተሻ በተለምዶ በወኪል ቁጥጥር ዑደት ውስጥ እንዴት ነው የሚተገበረው?

ኦርኬስትራተሩ ዑደቱን ያቆማል፣ ሁኔታን ይቆጥባል እና የሰዎች ግምገማ ጥያቄ ያቀርባል። የሰው ምላሽ እንደገና መፈጸሙን ይቀጥላል.

'በንቁ ትምህርት' የሰው ልጅ የሚወስናቸው ጉዳዮች ምን ይሆናሉ?

ንቁ የመማሪያ መስመሮች በሰዎች ላይ እርግጠኛ ያልሆኑ ጉዳዮችን እና በጊዜ ሂደት ሞዴሉን ለማሻሻል የተሰየሙትን መልሶቻቸውን ይጠቀማሉ።

ለምንድነው እንደ የአውሮፓ ህብረት AI ህግ ያሉ ደንቦች ለHITL ወኪሎች ጠቃሚ የሆኑት?

የአውሮፓ ህብረት AI ህግ ለከፍተኛ ስጋት አፕሊኬሽኖች ትርጉም ያለው የሰው ቁጥጥርን ይፈልጋል፣ ይህም የHITL የፍተሻ ነጥቦችን ተገዢነት ያስፈልገዋል።