Είτε είμαστε θυμωμένοι, χαρούμενοι, απογοητευμένοι ή εκνευρισμένοι, τα μοντέλα AI γενικά δεν λαμβάνουν υπόψη τα συναισθήματα μας. Αυτό είναι πιθανό να δημιουργήσει αποστάσεις ή ακόμα και τριβές στις αλληλεπιδράσεις μας με τις μηχανές. Ερευνητές από το Πανεπιστήμιο Jyväskylä στη Φινλανδία ίσως έχουν την απάντηση.

Οι άνθρωποι σχηματίζουν μια κοινωνία επειδή είναι σε θέση να επικοινωνούν και να κατανοούν 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 η λειτουργία των AI να γίνεται ολοένα και πιο διαφορετική από τη δική μας, γεγονός που θα προκαλεί τριβές και απογοήτευση μεταξύ των χρηστών». Η ενσωμάτωση λύσεων σε μοντέλα υπολογιστών που θα τους επέτρεπαν να προβλέπουν και να προσαρμόζονται στα συναισθήματα των ανθρώπινων συνομιλητών θα μπορούσε να προωθήσει τη ρευστότητα των αλληλεπιδράσεων. Ωστόσο, «αυτό είναι ένα ευαίσθητο θέμα γιατί εγείρει επίσης τον κίνδυνο ότι η τεχνητή νοημοσύνη θα μπορούσε να χειραγωγήσει τους ανθρώπους».

συναισθήματα

Ένα μαθηματικό μοντέλο βασισμένο στον τρόπο λειτουργίας του εγκεφάλου 

Ο στόχος είναι να έχουμε ένα μοντέλο υπολογιστή που να είναι ικανό να προβλέψει τα συναισθήματα του χρήστη, για παράδειγμα εάν παρουσιαστεί σφάλμα από τον υπολογιστή κατά τη διάρκεια μιας εργασίας.

Η 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 που να βασίζεται 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 chatbot, θα είναι δυνατό για το AI να προσαρμόσει τις αλληλεπιδράσεις του ανάλογα με τον χρήστη. «Το μοντέλο μας δεν είναι ένα περίπλοκο 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 στο οποίο θα προσομοιωθεί αυτό το μοντέλο. Αυτά είναι ερωτήματα που αξίζουν περαιτέρω μελέτης».

Προς πιο ποιοτικά συνθετικά δεδομένα 

Για τον Jiayi Eurus Zhang, μέλος της ερευνητικής ομάδας και διδακτορικό ερευνητή στις γνωστικές επιστήμες, θα ήταν επίσης ενδιαφέρον να κατανοήσουμε 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 διαδικτυακή 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 deep learning 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».

-----------
Κάποιες από τις αναρτήσεις μας μπορεί να περιέχουν συνδέσμους συνεργατών. Το Gizchina Greece μπορεί να λαμβάνει ένα μικρό ποσοστό, εάν κάνετε κλικ σε έναν σύνδεσμο και αγοράσετε κάποιο προιόν. Αν θέλετε περισσότερες λεπτομέρειες, εδώ μπορείτε να μάθετε πώς χρησιμοποιούμε τους συνδέσμους συνεργατών. Σας ευχαριστούμε για την υποστήριξη!


-----------

Αν ψάχνετε HOT προσφορές και κουπόνια για κινητά και gadgets από Κινέζικα καταστήματα, κάντε εγγραφή στο κανάλι μας στο Telegram!


[Πηγή] :