我是一名 UX 研究员，并且已经开始研究如何改进机器学习模型以适应新角色。

我的一个问题是来自人类的数据如何有助于改进机器学习模型。例如，如果我向人类评委展示图像分类模型的输出，发现它对任何红色的物体（例如，苹果、红衣主教、玫瑰）进行分类的工作很糟糕。由于机器学习模型具有如此多的参数，并且可能很难分离出哪些参数专用于颜色，那么机器学习工程师可以有效地利用这些信息做什么？

有没有人有任何资源来解决这样的问题？本质上，我想要一些示例、书籍或博客，这些示例、书籍或博客可能有助于我思考从人类那里收集数据，这些数据可以带来机器学习工程师可以实际采取行动来改进模型的见解。我只是不确定从哪里开始。

提前致谢。