Langsung ke konten

Di Carnegie Mellon University, machine learning belajar bersosialisasi

Articulab Carnegie Mellon ingin memahami bagaimana asisten robot bekerja sama dengan manusia untuk menyelesaikan pekerjaannya dan membangun hubungan antara keduanya, bukan sekadar menggantikan pekerjaan asisten manusia. Untuk mempelajari interaksi robot dengan manusia dan melatih agen mereka dengan kesadaran sosial, Articulab menggunakan Machine Learning Engine dari Google Cloud.

Memberikan sejumlah kemampuan sosial bagi kecerdasan buatan

Pertemuan Tahunan New Champions 2016 di Tianjin, China, antara lain menampilkan debut yang luar biasa: SARA, Socially Aware Robot Assistant yang dapat berinteraksi dengan orang-orang dengan cara yang benar-benar baru. Bukannya mengganti peran asisten manusia, atau memproses dan menyampaikan informasi secara impersonal, SARA berbeda dari asisten robot lainnya: intuitif, ramah, menarik, dan dirancang untuk “berkolaborasi” dengan pengguna manusia, mengenali dan merespons ekspresi wajah, preferensi belajar, dan meningkatkan performa tugas berdasarkan pengguna yang ditemuinya. SARA juga diprogram untuk mempelajari isyarat sosial tertentu, menganggukkan kepala saat pengguna berbicara, dan memahami intonasi yang berbeda.

Setengah tahun kemudian, pada Januari 2017, proyek ini dipresentasikan dalam Forum Ekonomi Dunia di Davos, Swiss, yang merupakan satu-satunya demo yang akan ditampilkan di Pusat Kongres Davos. SARA bertugas sebagai asisten pribadi virtual, menawarkan informasi kepada peserta tentang sesi yang dipresentasikan, memperkenalkan peserta kepada sesama peserta yang terkait, menyarankan tempat untuk membeli makanan, dan banyak lagi yang lain.

Pada awalnya, SARA berfungsi sebagai asisten pribadi virtual yang khusus menawarkan bantuan dan berinteraksi dengan tamu pada saat konferensi. SARA bisa belajar mengenai kepentingan dan tujuan para pemimpin global, dan merekomendasikan sesi yang mungkin ingin mereka hadiri. Bahkan, SARA bisa menggunakan kemampuan percakapannya untuk membangun hubungan dengan setiap orang yang berbicara dengannya, belajar lebih banyak tentang preferensi dan tujuan mereka, dan setelah itu, SARA dapat memperbaiki performa tugas dalam percakapan di waktu mendatang dengan menawarkan bantuan yang jauh lebih personal.

SARA adalah hasil karya dariArticulab, sebuah tim kecil yang berbasis di Carnegie Mellon University yang misinya melibatkan penelitian tentang interaksi manusia dalam konteks sosial dan budaya sebagai masukan ke dalam sistem komputasi, yang kemudian membantu kita untuk lebih memahami interaksi manusia. Bagaimana manusia berkomunikasi dengan teknologi, dan bagaimana komunikasi itu dapat disempurnakan dari waktu ke waktu? Mempererat ikatan sosial adalah yang terpenting dan tidak boleh diabaikan dalam hubungan antarmanusia. Menurut tim Articulab mengenai SARA: “Untuk meningkatkan kemampuan kolaborasinya, SARA bergantung pada ikatan sosio-emosional yang membentuk jalinan masyarakat, ketimbang mengabaikan ikatan tersebut.”

"Google Cloud mempercepat riset AI akademik."

Yoichi Matsuyama, peneliti pasca-doktoral di Language Technologies Institute dan pemimpin proyek SARA

Menggunakan Fitur Google untuk membuat SARA

Dipimpin oleh Justine Cassell, Dekan Asosiasi untuk Strategi dan Dampak Teknologi di School of Computer Science di Carnegie Mellon University, Articulab telah berpengalaman menggunakan Google Cloud sebelum SARA, berkat alat dan dana untuk proyek penelitian lainnya. "Karena kami telah menggunakan TensorFlow untuk sejumlah tugas Machine Learning, transisi menjadi hal yang alami untuk memulai menggunakan Google Cloud dalam proyek Deep Learning kami," kata Yoichi Matsuyama, rekan pasca-doktoral di Language Technologies Institute sekaligus pemimpin proyek di SARA. "Kami juga telah menggunakan sejumlah Google API, seperti Google Speech API (Pengenalan Ucapan) untuk agen percakapan, dan Firebase untuk kerangka pengumpulan data secara meluas melalui internet." Penggunaan Google Cloud berlanjut seiring SARA memperluas ke domain dan aplikasi baru. "Saat ini masih dalam tahap penerapan," katanya, menyatakan bahwa "Google Cloud mempercepat penelitian AI akademik."

Matsuyama mengatakan bahwa laboratorium tersebut “banyak menggunakan” Compute Engine, termasuk instance GPU dengan 4 x Nvidia Tesla K80 dan TensorFlow. Tahun ini, tim sedang mengerjakan model seperti Deep Reinforcement Learning-Based Social Reasoning dalam Konteks Tugas, dan Socially Conditioned Natural Language Generation.

Ketika menilai apa yang disebut sebagai SARA 1.0, pada peluncurannya di Forum Ekonomi Dunia, Matsuyama mengatakan, "Bersama lebih dari 250 peserta, kami mencoba menggunakan SARA pada saat konferensi yang berlangsung selama 4 hari. Jadi secara keseluruhan, ini adalah proyek yang berhasil. Tetapi kami masih mencoba untuk menganalisis temuannya dan memilah antara hal yang baik dan buruk." Matsuyama menambahkan: "Salah satu temuan utama dari data tersebut adalah bahwa apa yang kita sebut 'hubungan baik' - hubungan interpersonal - sebenarnya berkorelasi dengan performa tugas, dan dalam kasus ini hubungan tersebut memengaruhi penerimaan rekomendasi. Ketika hubungan terjalin sangat baik, dan SARA menjalin hubungan baik dengan pengguna, kemungkinan besar mereka akan menerima hasil rekomendasi dari SARA. Itu temuan utama kami sejauh ini, tetapi kami terus menganalisis datanya. "

Memperluas domain baru, termasuk pendidikan

Sepertinya pekerjaan SARA baru saja dimulai. Aplikasi lain dari "kecerdasan buatan dengan kemampuan bersosialisasi" milik Articulab sejauh ini mencakup pendidikan, seperti mendukung anak-anak di sekolah publik dengan resource yang sedikit, dan mendorong kolaborasi antar teman sebaya (yang telah terbukti sangat penting terhadap proses pembelajaran); serta membantu anak-anak autis ber-IQ tinggi (high-functioning autism) dengan mempraktikkan keterampilan sosial yang interaktif untuk meningkatkan hubungan dengan teman sebaya.

Michael Madaio, mahasiswa doktoral di Human-Computer Interaction Institute dan pemimpin proyek untuk “Rapport-Aware Peer Tutor” (RAPT), mencatat bahwa dalam data bimbingan rekan sejawat “manusia-manusia” yang telah mereka kumpulkan, “hubungan baik antarmahasiswa yang berkolaborasi sangat terkait dengan interaksi mereka dalam tugas, pemecahan masalah, dan paling banyak dalam pembelajaran.” Dengan kata lain, bekerja sama secara sosial menguntungkan semua pihak.

Saat mengembangkan karya mereka mengenai pemahaman unsur hubungan baik dalam proses belajar ke dalam aplikasi pendidikan, Madaio mendapati bahwa yang mereka inginkan adalah untuk memberikan fitur yang tidak hanya sekadar menjadi bantuan belajar untuk siswa. “Sudah ada platform pembelajaran di luar sana,” ujarnya, “tetapi penelitian pendidikan menunjukkan bahwa siswa bukan hanya mesin pemroses informasi yang menghitung angka. Ada unsur yang sifatnya sosial di sini. Dan untuk belajar, membangun ikatan dengan siswa lain adalah hal penting. Tutor virtual juga akan menjadi lebih efektif jika memberikan masukan kepada siswa: Jika harus memberi tahu seorang anak bahwa ia salah, bagaimana cara melakukannya? Mungkin awalnya Anda akan memberitahukan dengan cara yang lebih sopan dan lebih implisit agar teguran terdengar halus. Tetapi seiring berjalannya waktu, Anda dapat mengakrabkan hubungan dan menjadi sedikit lebih berterus terang, kemudian Anda dapat memberikan masukan kepada siswa secara lebih spesifik yang akan benar-benar membantu.”

Keberhasilan tutor virtual akan dapat meningkatkan “kecenderungan siswa untuk kembali,” tambahnya, ini yang penting, begitu juga seberapa interaktif para siswa. “Ini bukan hanya tentang apakah siswa akan kembali untuk meminta bantuan, tetapi bagaimana siswa bertindak saat berinteraksi dengan tutor virtual? Apakah siswa lebih siap? Apakah siswa merasa nyaman untuk berbagi lebih banyak mengenai tujuan dan kegelisahan belajar?” Ini adalah suatu ikatan yang mesti dibangun dari waktu ke waktu. Tetapi yang luar biasa adalah bahwa ikatan seperti itu bisa terjalin, seperti yang telah SARA buktikan.

Sejauh ini, respons yang diterima mengenai aplikasi pendidikan sudah positif. Tapi, kata Madaio, “Kami belum selesai menerapkannya di sekolah. Bagian dari tantangan desain kami untuk tahun ini adalah untuk mengetahui sifat penerapannya dalam skala besar.” Mereka mencoba membayangkan akan seperti apa penerapannya di masa depan nanti, seperti menciptakan teman pendamping untuk menyelesaikan pekerjaan rumah atau tutor membaca bagi siswa yang sedang belajar membaca.

Meskipun Carnegie Mellon tidak berencana menggunakan sistem bimbingan belajar virtual, tim mungkin akan mengimplementasikan asisten pribadi yang dapat membantu mahasiswa mengetahui diskusi mendatang di perkuliahan, menawarkan rekomendasi acara, dan banyak hal lainnya. Mungkin tujuan Articulab yang paling ambisius adalah membuat versi SARA yang dapat berfungsi tidak hanya dalam konferensi yang berlangsung selama 4 hari, tetapi versi yang mampu bekerja 7 hari seminggu, 24 jam sehari, di beberapa domain sekaligus. Ini adalah ide yang menantang namun sangat menarik untuk dipikirkan, dipenuhi dengan kemungkinan yang tak terbatas.

"Ini bukan hanya tentang apakah siswa akan kembali untuk meminta bantuan, tetapi bagaimana siswa akan bertindak saat berinteraksi dengan tutor virtual? Apakah siswa lebih siap? Apakah siswa merasa nyaman untuk berbagi lebih banyak mengenai tujuan dan kegelisahan belajar?"

Michael Madaio, mahasiswa doktoral, Human-Computer Interaction Institute

Daftar di sini untuk mendapatkan info terbaru, insight, referensi, dan banyak lagi.