雖然人工智能在越來越多的領域取得了越來越大的成功，但它仍然主要作為一種工具來執(zhí)行狹隘的任務，或者作為一種簡單的自動化形式，而不是與人類用戶建立關(guān)系的支持伙伴。它很大程度上依賴于精心策劃或注釋的數(shù)據(jù)，大多是歷史數(shù)據(jù)，而且只能非常間接地從人類用戶那里學習。人工智能在某些情況下具有非凡的預測能力，但卻無法具備人類從嬰兒時期就具備的適應能力。它只是(還)不能像人類那樣根據(jù)從未遇到過的數(shù)據(jù)進行推斷。此外，對更高精確度的需求導致了越來越大和復雜的模型、計算密集型訓練和工程挑戰(zhàn)，這些挑戰(zhàn)阻礙了我們在基于人工智能的解決方案中尋求的可信度、可移植性和可擴展性。

　　實現(xiàn)我們的人工智能目標需要改變當前的數(shù)據(jù)范式;是時候?qū)⑷祟愔糜贏I培訓過程的中心了。您不必相信我們的話：從設計到部署將人力和AI資源混合的好處在其他獨立研究中得到了呼應，例如麻省理工學院斯隆2020年人工智能全球高管研究和研究項目的發(fā)現(xiàn)，以及由此產(chǎn)生的結(jié)果在德勤洞察中，協(xié)作甚至被稱為“超級團隊”。

　　與標準的AI方法相比，設計、培訓和部署混合人類用戶和AI代理的解決方案提供了新的成功途徑。模仿學習、課程學習和其他較新的技術(shù)已經(jīng)展示了通過利用人類的專業(yè)知識、反饋和指導來訓練人工智能的其他方法。與其將我們自己局限于一種方法，不如我們可以擁有一切，并將所有這些不同的方法結(jié)合在一起，與人類一起構(gòu)建新的智能系統(tǒng)，而不再局限于任何特定的方法、模型或算法?？紤]到人類和人工智能各自的優(yōu)勢和劣勢，這種人與人工智能的伙伴關(guān)系將產(chǎn)生的不僅僅是其各部分的總和，利用互補的能力來實現(xiàn)僅靠一個或另一個不可能或很難實現(xiàn)的結(jié)果。然而，為了讓人工智能代理與人類盡可能緊密地協(xié)同工作，具體的方法、途徑和技術(shù)是有必要的。值得注意的是，它要求體系結(jié)構(gòu)設計自然有利于多代理、多人、技術(shù)不可知的分布式方法，在研究、原型和操作之間快速、無摩擦地反復迭代。

　　這些都是Cogment背后的指導原則，Cogment是一個新的開源框架，旨在實現(xiàn)人類和AI代理之間的這種合作伙伴關(guān)系。它今天已經(jīng)在復雜的環(huán)境中使用，比如人機協(xié)作、自適應學習和關(guān)鍵決策支持系統(tǒng)，而且它已經(jīng)為應對未來的挑戰(zhàn)做好了準備。