Memberi kecerdasan buatan sedikit keupayaan sosial

Mesyuarat Tahunan bagi Juara Baharu 2016 di Tianjin, China, menampilkan antara lain, debut yang luar biasa: SARA, Pembantu Robot Sedar Sosial yang boleh berinteraksi dengan orang ramai dengan cara yang serba baharu. Bukan sekadar menggantikan peranan pembantu manusia atau memproses dan menyampaikan maklumat dengan cara yang tidak dipengaruhi atau melibatkan perasaan peribadi, SARA berbeza: intuitif, mesra, menawan dan direka untuk “berkolaborasi” dengan pengguna manusia, mengecam dan bertindak balas terhadap ekspresi wajah, mempelajari pilihan dan meningkatkan prestasi tugas berdasarkan pengguna yang ditemuinya. SARA juga diatur cara untuk mempelajari petunjuk sosial tertentu, menganggukkan kepala semasa pengguna bercakap dan memahami intonasi yang berlainan.

Setengah tahun kemudian, pada bulan Januari 2017, projek ini telah dibentangkan di Forum Ekonomi Dunia di Davos, Switzerland. Di sana, projek ini merupakan satu-satunya demo yang akan ditampilkan di Pusat Kongres Davos. SARA berkhidmat sebagai pembantu peribadi maya yang menawarkan maklumat tentang sesi yang dibentangkan kepada hadirin, memperkenalkan mereka kepada para hadirin yang lain, mencadangkan tempat untuk mendapatkan makanan dan banyak lagi.

Pada mulanya, SARA berkhidmat sebagai pembantu peribadi maya dengan aplikasi khusus—menawarkan bantuan pada persidangan dan berinteraksi dengan tetamu. Beliau dapat belajar tentang kepentingan dan matlamat pemimpin global dan kemudian mengesyorkan sesi yang mereka mungkin ingin hadiri. Lebih baik lagi, SARA boleh menggunakan perbualannya untuk membina hubungan dengan setiap orang yang bercakap dengannya, mempelajari lebih banyak tentang pilihan dan matlamat mereka—dan setelah melakukannya, beliau dapat meningkatkan prestasi tugas dalam perbualan yang akan datang dengan menawarkan lebih banyak bantuan yang lebih diperibadikan.

Beliau ialah ciptaan Articulab, satu pasukan kecil yang berpangkalan di Carnegie Mellon University yang misinya termasuk mengkaji interaksi manusia dalam konteks sosial dan kebudayaan sebagai input ke dalam sistem pengkomputeran, yang seterusnya dapat membantu kita memahami interaksi manusia dengan lebih baik. Bagaimanakah manusia berkomunikasi dengan teknologi dan bagaimanakah komunikasi itu dapat ditingkatkan secara beransur-ansur? Memupuk ikatan sosial adalah kunci, sama seperti pentingnya ikatan sesama manusia. Seperti yang dinyatakan oleh pasukan Articulab tentang SARA: “Daripada mengabaikan ikatan sosioemosi yang membentuk jalinan masyarakat, SARA bergantung pada ikatan itu untuk meningkatkan kemahiran kolaborasinya.”

Menggunakan Alatan Google untuk membangunkan SARA

Diketuai oleh Justine Cassell, Timbalan Dekan Strategi Teknologi dan Impak di Fakulti Sains Komputer, Carnegie Mellon University, Articulab sudah biasa dengan Google Cloud sebelum SARA, terima kasih kepada alatan dan dana untuk projek penyelidikan lain. “Memandangkan kita telah menggunakan TensorFlow untuk beberapa tugas Pembelajaran Mesin, penggunaan Google Cloud yang dimulakan untuk projek Pembelajaran Dalam terbaru kami menjadi peralihan yang lazim,” kata Yoichi Matsuyama, felo pasca doktoral di Language Technologies Institute, dan projek itu membawa kepada SARA. “Kami juga telah menggunakan sebilangan API Google, seperti Google Speech API (Pengecaman Pertuturan) untuk ejen perbualan kami, dan Firebase untuk rangka kerja pengumpulan data daripada sumber khalayak.” Penggunaan Google Cloud diteruskan apabila SARA berkembang ke dalam domain dan aplikasi baharu. “Kami masih dalam fasa pelaksanaan,” kata beliau, menekankan bahawa “Google Cloud mempercepatkan penyelidikan AI akademik.”

Matsuyama berkata makmal itu “banyak menggunakan” Compute Engine, termasuk tika GPU dengan 4 x Nvidia Tesla K80 dan TensorFlow. Pada tahun ini, pasukan beliau mengusahakan model seperti Penaakulan Sosial Berasaskan Pembelajaran Pengukuhan Dalam dalam Konteks Tugas dan Penjanaan Bahasa Alamiah yang Disesuaikan dari Segi Sosial.

Menilai atur cara yang mungkin digambarkan sebagai SARA 1.0—pelancaran di Forum Ekonomi Dunia, Matsuyama berkata, “Kami menerima lebih daripada 250 hadirin yang cuba menggunakan SARA pada persidangan empat hari. Jadi secara keseluruhannya, ini satu kejayaan. Akan tetapi, kami masih berusaha menganalisis dapatannya, perkara yang baik, perkara yang buruk.” Dia menambah: “Dapatan utama daripada data ini adalah bahawa perkara yang kita panggil 'hubungan'—hubungan sesama manusia—sebenarnya berkaitan dengan prestasi tugas dan dalam kes ini hubungan memberikan kesan kepada penerimaan syor. Apabila hubungan berada pada tahap yang tinggi dan SARA menjalinkan hubungan dengan pengguna dengan baik, mereka lebih besar kemungkinan untuk menerima hasil syornya. Itulah dapatan utama kami setakat ini, tetapi kami akan terus menganalisis data ini.”

Berkembang ke dalam domain baharu—termasuk pendidikan

Nampaknya kerja SARA baru sahaja bermula. Aplikasi lain bagi “kecerdasan buatan sedar sosial” Articulab setakat ini telah menyertakan pendidikan, seperti menyokong kanak-kanak di sekolah awam yang mempunyai sumber terhad dan menggalakkan kerjasama antara sesama rakan (yang telah terbukti amat penting untuk hasil pembelajaran); dan membantu kanak-kanak autistik yang berfungsi tinggi dan mereka yang menghidap sindrom Asperger, dengan kemahiran sosial interaktif untuk meningkatkan hubungan rakan sebaya.

Michael Madaio, pelajar kedoktoran di Human-Computer Interaction Institute dan ketua projek “Rapport-Aware Peer Tutor” (RAPT), memerhatikan bahawa dalam data pentutoran rakan sebaya “manusia kepada manusia” yang mereka kumpul, “hubungan antara pelajar yang bekerjasama sangat berkait dengan penglibatan mereka dalam tugas, dengan penyelesaian masalah dan akhir sekali dengan pembelajaran mereka.” Dengan kata lain, bekerja bersama, secara sosial, dapat memberikan manfaat kepada semua.

Tatkala mereka mengembangkan kerja mereka untuk memahami hubungan dalam pembelajaran ke dalam aplikasi pendidikan, Madaio menyedari bahawa mereka ingin menyediakan alatan yang melakukan lebih daripada sekadar membantu pelajar untuk belajar. “Platform pembelajaran sudah banyak di luar sana,” kata beliau, “tetapi perkara yang ditunjukkan oleh penyelidikan pendidikan adalah pelajar bukan sekadar mesin pemproses maklumat yang mengira nombor. Pelajar mempunyai asas sosial. Untuk belajar, penting untuk menjalinkan ikatan dengan pelajar lain. Asas ini juga penting apabila tutor maya memberikan maklum balas: Jika tutor perlu memberitahu pelajar bahawa mereka salah, bagaimana tutor itu melakukannya? Mungkin pada peringkat awal, anda lebih bersopan santun, lebih berlapik, lebih lembut bahasa yang digunakan. Akan tetapi, lama-kelamaan, anda boleh membina hubungan ini dan bersikap lebih berterus terang—dan memberi mereka maklum balas khusus yang benar-benar akan membantu mereka.”

Jika tutor maya berjaya, maka anda boleh meningkatkan “kemungkinan mereka akan mahu kembali,” tambahnya, yang memang penting, serta sejauh mana pelajar tertarik. “Ini bukan sekadar, adakah pelajar kembali untuk mendapatkan bantuan, tetapi bagaimana mereka bertindak ketika berinteraksi dengan tutor maya? Adakah mereka lebih bersedia untuk bercakap? Adakah mereka berasa selesa berkongsi lebih banyak matlamat pembelajaran dan kekhuatiran mereka?” Ini merupakan ikatan, seperti yang lain, yang mesti dibina secara beransur-ansur. Akan tetapi, perkara yang luar biasa, seperti yang telah dibuktikan oleh SARA, ialah ikatan seperti itu boleh wujud.

Setakat ini, respons dalam aplikasi pendidikan adalah positif. Akan tetapi, kata Madaio, “Kami belum melaksanakannya di sekolah. Sebahagian daripada cabaran reka bentuk kami untuk tahun ini adalah memikirkan sifat pelaksanaan berskala besar.” Mereka cuba membayangkan rupa pelaksanaan pada masa depan itu, seperti mencipta rakan sokongan kerja rumah atau tutor kenal huruf untuk pelajar yang ada masalah membaca.

Walaupun tiada rancangan untuk sistem pentutoran maya di Carnegie Mellon, pasukan ini mungkin melaksanakan pembantu peribadi yang boleh membantu pelajar mendapatkan maklumat tentang ceramah akan datang di kampus, menawarkan syor acara dan pelbagai lagi. Barangkali matlamat Articulab yang paling tinggi ialah mencipta versi SARA yang boleh berfungsi bukan hanya pada persidangan empat hari, tetapi tujuh hari seminggu, 24 jam sehari, dalam pelbagai domain. Ini merupakan idea yang mencabar tetapi menarik untuk difikirkan dan penuh dengan kemungkinan yang tidak terbatas.