Сердце машины. Наше будущее в эру эмоционального искусственного интеллекта - читать онлайн книгу. Автор: Ричард Йонк cтр.№ 35

Вспомогательные социальные роботы используют персональный подход в образовании в совершенно ином направлении. Тега – робот, разработанный Группой персональной робототехники при Массачусетском технологическом университете, для индивидуального обмена опытом. Тега распознает эмоциональные реакции учеников и на основе этих сигналов для каждого вырабатывает индивидуальную стратегию мотивации. Горен Гордон из Curiosity Lab в Тель-Авиве входил в группу разработчиков Теги и продолжил исследовать его применение в образовании.

Система Тега работает, используя два смартфона. Первый обрабатывает движение, восприятие и мышление, так что робот может реагировать на поведение учеников. Второй смартфон (с помощью программного обеспечения для распознавания лиц от компании Affectiva) используется для отслеживания и интерпретации выражений лиц. Чтобы поддерживать интерес учеников, исследователи применяли разные подходы, в том числе зеркальное отражение эмоций. Робот изображал оживление или скуку, когда ребенок демонстрировал эти эмоции, потому что эта практика оказалась успешной для вовлечения некоторых учеников. Усилив персонально ориентированную реакцию от каждого ученика, проект показал, что разным детям нужны разные эмоциональные стратегии для удержания их интереса. Исследователи с интересом отметили, что со временем дети стали воспринимать Тегу как своего сверстника.

«Более любопытный ребенок способен преодолеть огорчение и учиться наравне с другими, он всегда будет успешнее в учебе», – отметила Синтия Бризель, руководитель Группы разработки персональных роботов при Массачусетском технологическом институте.

В ходе одного эксперимента группу студентов, изучавших испанский язык, подбадривал робот, который действовал как друг, предлагал подсказки и разделял раздражение студентов и их радость от успеха.

«Особенно интересно то, – говорит Бризель, – что дети начали общаться с Тегой как со своим сверстником. Это общение открывает новые возможности для разработки нового поколения обучающих технологий». Такой вывод подкрепляется доказательствами множества других исследований и экспериментов, изучавших потенциал роботов в качестве вспомогательных социальных приложений.

На кафедре информатики Йельского университета также проводили исследования с обучающими роботами в роли компаньонов. В ходе исследования, повторяющего проведенное в Массачусетсе, маленький робот-компаньон общался с детьми четырех и пяти лет, чьим родным языком был испанский. Робот помогал им изучать спряжения английских глаголов на основе контекста из предложений. Когда дети читали вслух, робот мог в любое время остановить их и переспросить, что означает то или иное слово по-английски. Когда робот обращался за помощью, ребенок выступал в роли наставника и вовлекался в процесс обучения через игру.

Исследователи кафедры информатики Йельского университета совместно с психологами изучали возможности использования роботов-персонажей для вовлечения детей в интерактивные повествовательные сценарии. Взаимодействие в группе показало, что подобное применение роботов имеет определенный потенциал и помогает детям распознавать эмоции и применять социальные навыки. Во время другого эксперимента пушистый робот Dragon-Bot рассказывал детям о питании, когда они готовили для него еду. Таким образом, робот и ребенок менялись ролями учителя и ученика, способствуя вовлеченности ребенка в процесс. Такой подход основан не только на знаниях, но и на уверенности и самостоятельности.

Почему обучение при помощи роботов, подобное этим примерам, дает положительный эффект? Здесь мы можем вернуться к тому, что люди – крайне социальный вид, и такой подход позволяет нам делать то, к чему мы приспособились в ходе эволюции. Если от роботов будут исходить правильные эмоциональные сигналы, наша реакция на них будет абсолютно такой же, как на людей.

Например, исследование, проведенное в Техническом университете Дельфта в Нидерландах, показало, что выражения лица и язык тела человекоподобного робота могут влиять на настроение наблюдающих за ним людей. В одном эксперименте обучающий робот прочел одну и ту же лекцию двум разным группам учащихся магистратуры. На одной лекции язык тела робота сообщал позитивный настрой. На второй настрой робота был негативным. Лекция с позитивным настроем не только подняла учащимся настроение, они набрали по объясняемой теме высокие баллы. Хотя студенты второй группы аплодировали роботу, когда лекция закончилась, они набрали низкие баллы по теме. Причем материал лекции для обеих групп был полностью идентичным. Способность так легко влиять на настроение студентов и восприятие предмета предполагает множество возможностей для применения.

Разумеется, есть и другие способы использовать искусственный интеллект в преподавании. В мае 2016 года в «Wall Street Journal» появилась история о помощнике преподавателя, читавшего курс искусственного интеллекта в Технологическом институте Джорджии⁹. Джилл Уотсон была одним из девяти помощников на более чем три сотни студентов. Она была общительной, компетентной и эффективной. А еще она была искусственным интеллектом, который разработал профессор информатики Ашок Гойль. Джилл работает на платформе IBM Watson и функционирует со степенью надежности в 97 %¹⁰. По оценкам Гойля в течение года Джилл может ответить на 40 % всех вопросов студентов, заданных онлайн. И хотя в нынешней форме у Джилл нет эмоционального канала, ей удалось провести студентов Гойля, потому что выполняемые функции не требовали от ИИ эмоциональной грамотности. Однако по мере развития технологии и добавления новых функций подобные цифровые помощники станут более приятными и интересными.

Многие из этих идей можно применить в обучающих онлайн-системах и МОДК (массовых открытых дистанционных курсах). Во многих отношениях они могли бы усовершенствовать дистанционные курсы и прочие системы дистанционного образования. Они могли бы восполнить недостаток социального взаимодействия и мотивации, которым онлайн-курсы отличаются от традиционных образовательных систем.

В случае с методами удаленного наблюдения, такими как визуальное распознавание выражений лиц, должна появиться возможность определять все большее количество эмоциональных состояний студентов в реальном времени. Затем, когда будет создана обширная база данных, можно будет изменять планы занятий, подходы и упражнения, чтобы привести студента в состояние, оптимальное для обучения. Персональный подход к обучению позволит каждому учащемуся сохранять энтузиазм, сосредоточиться на учебе, выполнять задачи, которые ему по силам, не доводить студента до эмоциональной перегрузки и отсутствия восприимчивости.

В недалеком будущем могут появиться методы еще более непосредственного эмоционального и когнитивного влияния. Например, ответы студентов будут отслеживаться еще быстрее, скажем при помощи ЭЭГ (электроэнцефалограммы) или другой разновидности сканирования мозга. Затем некоторые области мозга можно будет стимулировать несколькими методами. Например, транскраниальная магнитная стимуляция (ТМС) с помощью магнитных полей изменяет небольшие участки мозга и способствует лучшей восприимчивости и запоминанию. Управление перспективных научных исследований и разработок Министерства обороны США (DARPA) применило этот метод в исследованиях, чтобы повысить концентрацию внимания и скорость усвоения знаний (об этом в следующей главе). Чем лучше мы поймем процесс восприятия информации, тем больших результатов сможем достичь, применяя когнитивные и эмоциональные процессы, а также получив контроль над нейронами, задействованными в обучении.