Είτε είμαστε θυμωμένοι, χαρούμενοι, απογοητευμένοι ή εκνευρισμένοι, τα μοντέλα AI γενικά δεν λαμβάνουν υπόψη τα συναισθήματά μας. Αυτό είναι πιθανό να δημιουργήσει απόσταση ή ακόμα και τριβή στις αλληλεπιδράσεις μας με τις μηχανές. Ερευνητές από το Πανεπιστήμιο Jyväskylä στη Φινλανδία μπορεί να έχουν την απάντηση.
Οι άνθρωποι σχηματίζουν μια κοινωνία επειδή είναι σε θέση να επικοινωνούν και να καταλαβαίνουν ο ένας τον άλλον. «Όταν ένας συνομιλητής είναι απογοητευμένος ή δείχνει ένα συγκεκριμένο συναίσθημα, ο άλλος μπορεί να προσαρμόσει την αλληλεπίδρασή του»εξηγεί ο Jussi Jokinen, Αναπληρωτής Καθηγητής Γνωστικών Επιστημών στο Πανεπιστήμιο Jyväskylä, Φινλανδία.
Για τον ερευνητή, η τεχνητή νοημοσύνη θα πρέπει να έχει τις ίδιες δυνατότητες. Σε ένα πλαίσιο όπου οι πολίτες χρησιμοποιούν όλο και περισσότερο εργαλεία τεχνητής νοημοσύνης, πιστεύει ότι «Ο κίνδυνος είναι ότι η λειτουργία της τεχνητής νοημοσύνης θα γίνει ολοένα και πιο διαφορετική από τη δική μας, γεγονός που θα προκαλέσει τριβές και απογοήτευση στους χρήστες». Η ενσωμάτωση λύσεων σε μοντέλα υπολογιστών που θα τους επέτρεπαν να προβλέψουν και να προσαρμοστούν στα συναισθήματα των ανθρώπινων συνομιλητών θα μπορούσε να προωθήσει τη ρευστότητα των αλληλεπιδράσεων. Ωστόσο, “Αυτό είναι ένα ευαίσθητο θέμα γιατί εγείρει επίσης τον κίνδυνο η τεχνητή νοημοσύνη να χειραγωγήσει τους ανθρώπους”.
Ένα μαθηματικό μοντέλο που βασίζεται στον τρόπο λειτουργίας του εγκεφάλου
Ο στόχος είναι να έχουμε ένα μοντέλο υπολογιστή που να είναι ικανό να προβλέπει τα συναισθήματα του χρήστη, για παράδειγμα εάν παρουσιαστεί σφάλμα από τον υπολογιστή κατά τη διάρκεια μιας εργασίας.
Ή Φινλανδική ερευνητική ομάδα αποφάσισε να χρησιμοποιήσει αρχές της μαθηματικής ψυχολογίας για να βοηθήσει τους υπολογιστές να κατανοήσουν τα ανθρώπινα συναισθήματα όπως ο ερεθισμός, ο θυμός, η ευτυχία κ.λπ. Η ιδέα είναι να αναπτύξουμε ένα μαθηματικό μοντέλο βασισμένο στη λειτουργία του εγκεφάλου: το μυαλό μας κάνει υπολογισμούς και αναπτύσσει προβλέψεις ή στρατηγικές για την επίτευξη ενός στόχου. Αν κάνει λάθη, μπορεί να τα πάει καλύτερα την επόμενη φορά σε παρόμοια κατάσταση. Αυτοί οι υπολογισμοί συνδέονται άμεσα με τα συναισθήματα: όταν βιώνουμε ένα θετικό σήμα, βιώνουμε θετικά συναισθήματα και το αντίστροφο για τα αρνητικά συναισθήματα.
Αυτό επιτρέπει στο εργαλείο AI να αναπτύξει μια αλληλεπίδραση για να μετριάσει ένα αρνητικό συναίσθημα στον χρήστη, για παράδειγμα προσφέροντάς του μια συγκεκριμένη οδηγία. Έτσι, εάν αυτός ο τύπος μοντέλου ενσωματωθεί σε ένα chatbot, θα είναι δυνατό για το AI να προσαρμόσει τις αλληλεπιδράσεις του ανάλογα με τον χρήστη. «Το μοντέλο μας δεν είναι ένα πολύπλοκο μοντέλο και μπορεί πράγματι να ενσωματωθεί σε εργαλεία τεχνητής νοημοσύνης, αλλά το ερώτημα είναι περισσότερο πώς μπορεί να μοιάζει αυτή η ενοποίηση και ποιο περιβάλλον να δημιουργηθεί για να προσομοιωθεί αυτό το μοντέλο. Αυτά είναι ερωτήματα που αξίζουν περαιτέρω μελέτης»..
Προς συνθετικά δεδομένα υψηλότερης ποιότητας
Για τον Jiayi Eurus Zhang, μέλος της ερευνητικής ομάδας και διδακτορικό ερευνητή στη γνωστική επιστήμη, θα ήταν επίσης ενδιαφέρον να κατανοήσει πώς αυτή η έρευνα μπορεί να χρησιμοποιηθεί για να βοηθήσει τους χρήστες σε πραγματικές καταστάσεις.
“Είτε σε διεπαφή είτε σε συναισθηματικό επίπεδο, πρέπει να αναρωτηθούμε πώς μπορούμε να βοηθήσουμε τους χρήστες να διαχειρίζονται τα συναισθήματά τους σε καθημερινή βάση.. Με άλλα λόγια, εκτός από την πρόβλεψη, σκοπός αυτού του τύπου έρευνας είναι επίσης να γνωρίζει εάν αυτά τα συστήματα μπορούν να βοηθήσουν τους χρήστες να επηρεάσουν και να διαχειριστούν καλύτερα τα συναισθήματά τους όταν χρησιμοποιούν μια ηλεκτρονική υπηρεσία, ανοίγουν ένα email κ.λπ.
Ο Jussi Jokinen πιστεύει ότι αυτά τα μαθηματικά μοντέλα μπορούν να βοηθήσουν στη βελτίωση της ποιότητας των συνθετικών δεδομένων, δηλαδή των δεδομένων που παράγονται από την τεχνητή νοημοσύνη. «Σήμερα, τα μοντέλα βαθιάς μάθησης εξαντλούνται από δεδομένα που είναι διαθέσιμα για εκπαίδευση και ως εκ τούτου οι εταιρείες προσπαθούν να τα εκπαιδεύσουν με συνθετικά δεδομένα. Αυτό δεν είναι απαραίτητα καλή ιδέα, αλλά εάν ένα μοντέλο είναι περισσότερο εναρμονισμένο με την ψυχολογική λειτουργία του ανθρώπινου εγκεφάλου, τα συνθετικά δεδομένα που παράγονται θα είναι πιο σχετικά»..
———–
Ορισμένες από τις αναρτήσεις μας ενδέχεται να περιέχουν συνδέσμους συνεργατών. Ο Gizchina Ελλάδα μπορεί να λάβει ένα μικρό ποσοστό εάν κάνετε κλικ σε έναν σύνδεσμο και αγοράσετε ένα προϊόν. Αν θέλετε περισσότερες λεπτομέρειες, εδώ μπορείτε να μάθετε πώς χρησιμοποιούμε συνδέσμους συνεργατών. Σας ευχαριστούμε για την υποστήριξη!
———–
VIA: gr.gizchina.com
