在安全检查系统中应用人类在循环中的混合增强智能方法
Ying Huang1,2, XiaoKan Wang1,2, Yong Zhang1,2
1The First Research Institute of the Ministry of Public Security of P.R.C., Beijing, China.
Frontiers in artificial intelligence
|February 6, 2025
概括
本研究介绍了用于安全检查系统的混合增强智能方法,将人类专业知识与人工智能结合起来,以提高安全性和效率. 这种新的混合决策方法提高了风险感知,降低了劳动力成本.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 安全系统安全系统
背景情况:
- 安全检查系统需要提高安全性和可靠性.
- 深度学习提高了走私物品的检测,但在实际实施方面存在差距.
- 人机协作是先进安全的关键.
研究的目的:
- 为安全检查提出一个人-在-循环混合增强智能方法.
- 开发一种混合决策方法,以解决实际实施需求.
- 提高安全检查系统的安全性,可靠性和效率.
主要方法:
- 引入了一种混合决策方法,采用"拒绝优先"和"明确优先"的战略.
- 整合人类智能与人工智能进行增强决策.
- 在特定安全检查站点数据集上进行比较实验.
主要成果:
- 混合方法显著提高了风险感知和安全边际.
- 减少对人类劳动力的需求,从而提高效率和降低成本.
- 通过整合人类和机器智能,证明了决策效率的提高.
结论:
- 混合决策方法提高了安全检查系统的有效性.
- "拒绝优先级"适用于高安全性需求; "明确优先级"适用于高容量效率.
- 该方法允许适应不断变化的应用需求和不断增长的数据.
