Сердце машины. Наше будущее в эру эмоционального искусственного интеллекта - читать онлайн книгу. Автор: Ричард Йонк cтр.№ 34

читать книги онлайн бесплатно
 
 

Онлайн книга - Сердце машины. Наше будущее в эру эмоционального искусственного интеллекта | Автор книги - Ричард Йонк

Cтраница 34
читать онлайн книги бесплатно

Поскольку эмоциональные состояния серьезно влияют на способность к обучению и формирование памяти, многие аспекты образования могут только выиграть от использования технологий эмоционального программирования. Например, в ходе исследования, проведенного в 2012 году в Йельском университете, сто участников должны были решить несколько головоломок, при этом их обучал робот5.Участников эксперимента распределили по пяти состояниям: советов нет, робот дает случайный совет, голос робота дает совет лично человеку, видеоизображение робота дает совет лично человеку и физически присутствующий робот дает совет лично человеку. Эффективность обучающего робота оценивали по времени, которое понадобилось участникам, чтобы решить головоломки. В среднем быстрее всего с головоломками справлялись те, кого обучал физически присутствующий робот. На основании этого эксперимента и последующих, проведенных другими группами, исследователи сделали вывод о когнитивном преимуществе обучения с учителем, даже если это робот. Предположительно, в этом «социальном взаимодействии» участвует некий аспект нашего эмоционального сознания, который вызывает подобную реакцию.

Постепенно робот сможет играть роль посредника между ребенком и его лечащим врачом.

Если это не просто функция качества обучения, будет ли достаточно присутствия субъекта когнитивного воздействия, даже если это не человек, чтобы вызвать у нас определенные социально-поведенческие реакции? Рассмотрим явление, которое в науке об образовании называется «проблема двух сигм Блума»6. Впервые его наблюдал и описал педагог и психолог Бенджамин Блум в 1984 году. В результате нескольких экспериментов выяснилось, что баллы студентов, получавших индивидуальную поддержку при освоении материала, попали в 98-ю процентиль (известную в статистике как отклонение в две сигмы) в сравнении со студентами, обучавшимися в рамках стандартных методик7. Эффект повторился еще в нескольких экспериментах. С учетом этого результата, что нам делать с доказательством того, что само присутствие обучающего робота стабильно улучшает результат на одну сигму, то есть попаданию результатов в 68-ю процентиль? Указывает ли полученный результат на то, что у этого явления так же много общего с нашей собственной психологией, как и с собственно качеством обучения? Сохранится ли подобный эффект на протяжении долгого времени или сойдет на нет, когда пользователь привыкнет к преподавателю? Покажут лишь время и дальнейшие исследования, но проблема определенно стоит изучения. В настоящее время проблема двух сигм Блума также предполагает разработку интересных стратегий для улучшения результатов образования.

Различные исследователи рассматривают вспомогательных социальных обучающих роботов и машины с эмоциональным искусственным интеллектом как путь к обучению с максимально индивидуальным подходом8. Это не просто вопрос передачи информации и помощь в ее усвоении через новый канал, а скорее шаг навстречу обучению принципиально иным способом.

Педагоги давно признали фундаментальную роль эмоций в процессе обучения. Слишком часто у студентов развивается скрытая тревога в качестве реакции на постоянную повышенную сложность материала. Стресс, который провоцирует реакция тела «бей или беги» (также известной как «бей или замри»), может навредить студенту и выключить его из процесса усвоения материала. Таким образом, стресс усложнит обучение или сделает его практически невозможным. С другой стороны, студенты, которые находят материал недостаточно сложным, могут потерять к нему интерес, и им станет скучно. Это нарушает сосредоточенность, которая необходима при усвоении принципиально нового сложного материала. Сохранение энтузиазма в классе – первостепенная задача, и ее нужно выполнять, чтобы поддерживать ум (и тело) в состоянии ожидания. Чтобы решить обе проблемы, многие преподаватели «учат посередине», чем зачастую вредят и сильным, и слабым ученикам. Из-за этого поиск баланса, при котором все ученики не испытывают страха перед учебным процессом и у каждого удается поддерживать предвкушение и интерес, стал практически невыполнимой задачей.

Нужные эмоциональные состояния могут активизировать мозг и подготовить его к лучшему усвоению, сохранению и пониманию информации, в то время как другие состояния тормозят обучение. Процессы, которые лежат в основе наших эмоций, эволюционировали и стали запускаться автоматически в ответ на воздействия внешней среды. Мы стали использовать их себе на пользу, применять в современном образовании, повышать заинтересованность учащихся, что помогает учителям лучше достичь своих целей. Разумеется, это достаточно сложно даже в условиях индивидуального обучения. Пытаться заставить эти механизмы работать в классе, где много учеников (с разными типами мышления), – и вовсе неразрешимая задача. По крайней мере, если судить об успехе по нашей способности помочь всем ученикам раскрыть свой потенциал.

Теперь у нас есть новые технологии, которые, возможно, помогут поддерживать особые эмоциональные состояния, чтобы улучшить процесс обучения и избежать состояний, тормозящих обучение. Мы уже убедились, что само присутствие обучающего робота может улучшить результаты обучения. А что, если не знающий усталости учитель также сможет наблюдать за нашим уровнем заинтересованности и вовлеченности? В зависимости от того, как структурирована информация, робот может изменить собственную программу, чтобы она лучше подходила для обучающегося, или перенаправить эту информацию на любую программу, которая ведет урок. Материал – визуальный, звуковой, учебный или опытный – можно оптимально приспособить под индивидуальный стиль каждого учащегося. В результате каждому будет обеспечен индивидуальный подход, учитывающий способности к усвоению материала и помогающий настроить сознание и тело на запоминание и сохранение информации в памяти.

Использование технологии в решении этой проблемы может стать частью ответа, хотя до тех пор, пока технология не начнет понимать эмоции, она наверняка не сможет достичь полного успеха. Например, компания Knewton приближается к персональному подходу в образовании при помощи технологии адаптивного обучения, собирающей данные об успеваемости учащихся. На основе собранных данных создается профиль обучения, который задает оптимальный характер проведения занятия и подход к каждому ученику. Процесс обращается к огромному количеству загруженного учителем материала и данных об оценках учащегося и превращает решение, основанное на теории образования, в решение, управляемое процессами работы с большими массивами данных.

И хотя Knewton – не единственная компания на рынке технологий адаптивного обучения, она известна больше других. По всей видимости, именно они располагают ценной информацией. Компания заявляет, что количество их профилей достигло двухсот тысяч и их технология используется в более чем двадцати странах мира. По словам представителей компании, эта технология не заменит учителей, но поможет сэкономить их время.

Единственное, за что можно серьезно критиковать технологию Knewton, – это недостаток эмоциональной вовлеченности. Критики говорят, что этой технологии не хватает эмпатии человека-учителя и его способности увлечь учеников, а это решающие факторы. По их словам, только понимая, чем расстроен ребенок, можно найти способ избежать огорчения. Учитывая этот недостаток, можно предположить, что системы адаптивного обучения только выиграют от использования технологий распознавания эмоций и смогут эффективнее добиваться своих целей.

Вернуться к просмотру книги Перейти к Оглавлению Перейти к Примечанию