Mike Schaekermann

Interaction entre l'homme et l'IA en présence d'ambiguïté : De l'étiquetage basé sur la délibération à l'IA consciente de l'ambiguïté

L'ambiguïté, la qualité d'être ouvert à plus d'une interprétation, est omniprésente dans nos vies. Elle se présente sous différentes formes, notamment l'ambiguïté linguistique et visuelle, survient pour diverses raisons et donne lieu à des désaccords entre observateurs humains qui peuvent être difficiles, voire impossibles, à résoudre. L'intelligence artificielle (IA) étant de plus en plus présente dans les domaines complexes de la prise de décision humaine, il est essentiel que les mécanismes sous-jacents de l'IA prennent également en charge la notion d'ambiguïté. Pourtant, les approches existantes de l'IA supposent généralement qu'il existe une seule réponse correcte pour toute entrée donnée, sans mécanismes permettant d'intégrer diverses perspectives humaines dans diverses parties du pipeline de l'IA, y compris l'étiquetage des données, le développement de modèles et la conception de l'interface utilisateur.

Cette thèse vise à éclairer la question de savoir comment les humains et l'IA peuvent être des partenaires efficaces en présence de problèmes ambigus.

Les directeurs de thèse de Mike étaient Edith Law et Kate Larson.

Les recherches de Mike Schaekermann se situent à l'intersection de l'interaction homme-machine, de l'apprentissage automatique et de la médecine. Il travaille actuellement comme chercheur appliqué chez Amazon Web Services (AWS).