Yapay zekânın doğruluğu kullanıcıdan bağımsız değil.
Aynı sistem farklı bilgi düzeyindeki insanlarda farklı sonuç üretiyor. İnsan-makine tasarımında “kullanıcı” tek tip bir değişken değil.
Açıklama, her kullanıcıyı daha güvenli yapmıyor.
MIT çalışmasında yapay zekâ desteği hem uzman olmayanların hem klinisyenlerin teşhis başarısını artırdı. Fakat uzman olmayanlar yanlış yapay zekâ açıklamalarına da daha kolay teslim olurken klinisyenler hataları daha sık yakaladı; bazı açıklamalar uzmanlarda ek fayda bile sağlamadı.Kaynak: MIT
Kurumsal yapay zekâda doğru soru “model ne kadar doğru?” değil; “bu model bu kullanıcıyı hangi hataya daha yatkın hale getiriyor?” olabilir.
Akıllı ürün için her zaman elektronik gerekmiyor.
MIT’nin ShiftLens sistemi, 3B basılmış nesnelerin bastırıldığında, döndürüldüğünde veya kaydırıldığında yüzey görünümünü mekanik olarak değiştirmesini sağlıyor. Sensör, ekran veya elektronik devre olmadan ürün kullanıcıya kendi durumu hakkında geri bildirim verebiliyor.Kaynak: MIT
“Akıllı” kelimesini elektronikle eşitlemek, tasarımın büyük bir bölümünü gereksiz yere karmaşıklaştırıyor olabilir.
Makine yalnız hareketi değil, terapistin dokunuşunu da öğrenmeye çalışıyor.
MIT mühendislerinin inme rehabilitasyonu sistemi, fizyoterapistlerin temas, direnç ve destek biçimlerinden öğrenerek robotik terapiyi hastaya göre uyarlamayı hedefliyor. Üretken yapay zekâ burada metin değil fiziksel etkileşim üretmek için kullanılıyor.Kaynak: MIT
Yapay zekânın en zor kopyalayacağı insan bilgisi, söze dökülmeyen fiziksel ustalık olabilir; tam da bu yüzden en değerli eğitim verilerinden biri haline gelebilir.