Human-AI interactions in real-world complex uncertain environments using a comprehensive reinforcement learning framework

点击翻译按钮获取中文摘要

The advent of Artificial Intelligence (AI) as a core technological approach to solve specific problems is both undeniable and remarkable. However, AI still operates primarily as a tool to execute narrow-focus tasks, rather than a supporting partner in a relationship with human users. Considering human and AI respective strengths and weaknesses, such a man-machine partnership has the potential to become more than the sum of its parts, leveraging complementary abilities to achieve results that would be otherwise impossible or very difficult to achieve with only one or the other. However, for AI agents to work as synergistically as possible with human users/operators, specific methods, approaches and technologies are warranted. The object of the proposed research is to advance those technologies and approaches, as well as to demonstrate their benefits in a real-life setting through practical application in a complex and sensitive environment. This project will combine the efforts of researchers from the University of Alberta and the JACOBB center with resources provided by AIR and Thales. Within this collaboration, we will investigate how human knowledge can be used to train AI agents in complex and real environments. It will also allow us to understand where and when the interaction of agents and humans allows us to achieve higher performance than agents alone or humans alone. To achieve this, different frameworks, interfaces and types of collaboration will first be tested. Subsequently, the feedback systems will be evaluated and compared with each other, sometimes involving humans and AI agents working alone, and sometimes a hybrid approach. The expected results will make the COGMENT platform, developed by AIR and at the heart of the methodology used for this project, more widely accessible and usable by the community.#(cr)#(lf)L'avènement de l'intelligence artificielle (IA) comme approche technologique de base pour résoudre des problèmes spécifiques est à la fois indéniable et remarquable. Cependant, l'IA fonctionne toujours principalement comme un outil pour exécuter des tâches étroitement ciblées, plutôt que comme un partenaire soutenant des utilisateurs humains en interagissant avec eux. Compte tenu des forces et des faiblesses respectives des humains et de l'IA, un tel partenariat humain-machine a le potentiel de devenir plus que la somme de ses parts, en tirant avantage de capacités complémentaires pour obtenir des résultats qui seraient autrement impossibles ou très difficiles à atteindre uniquement avec l'un ou l'autre. Cependant, pour que les agents d'IA travaillent de manière aussi synergique que possible avec les utilisateurs/opérateurs humains, des méthodes, approches et technologies plus spécifiques doivent être développées. L'objectif de ce projet est de faire progresser ces technologies et ces approches, ainsi que d'en démontrer les avantages au travers d'une application concrète dans un environnement complexe et sensible. Ce projet mettra en commun les efforts de chercheurs de l'Université de l'Alberta et du centre JACOBB avec les ressources offertes par AIR et Thales. Au travers de cette collaboration, seront examinées les manières dont le savoir humain peut être utilisé pour entrainer des agents IA dans des environnements réels complexes et sensibles. Elle permettra par ailleurs de comprendre où et quand l'interaction entre humains et agents nous permet d'atteindre des performances plus élevées que les agents seuls ou les humains seuls. Pour y parvenir, différents cadres, interfaces et types de collaborations seront d'abord testés. Par la suite, les systèmes de rétroaction seront évalués et comparés entre eux, impliquant tantôt les humains et les agents IA travaillants seuls, et tantôt une approche hybride. Les résultats attendus permettront de rendre la plateforme COGMENT, développée par AIR et au coeur de la méthodologie utilisée pour ce projet, plus largement accessible et utilisable par la communauté.