Ved Carnegie Mellon University er maskinlæring i ferd med å bli mer sosialt

Articulab-teamet ved Carnegie Mellon ønsket å forstå hvordan assistentroboter kunne samarbeide med mennesker om å fullføre oppgaver og bygge relasjoner – fremfor bare å utføre det samme arbeidet som menneskelige assistenter. For å studere robotenes samhandling med mennesker og lære dem å tilegne seg sosial bevissthet brukte de Google Cloud Platform-verktøyet Machine Learning Engine.

Kunstig intelligens – nå også med sosiale ferdigheter

Ved «Annual Meeting of the New Champions 2016» i Tianjin i China debuterte den sosialt bevisste assistentroboten SARA (Socially Aware Robot Assistant), som kunne kommunisere med mennesker på en helt ny måte. Fremfor å bare erstatte en menneskelig assistent eller behandle og levere informasjon på en upersonlig måte, var SARA annerledes: intuitiv, vennlig, engasjerende og utviklet for å «samarbeide» med menneskelige brukere, gjenkjenne og respondere på ansiktsuttrykk, lære preferanser og forbedre egen oppgaveløsing basert på brukerne hun kommuniserte med. Hun var også programmert til å lære enkelte sosiale uttrykk, for eksempel å nikke mens en bruker snakket, og å forstå ulike intonasjoner.

Et halvt år senere, i januar 2017, ble prosjektet presentert ved Verdens økonomiske forum i Davos i Sveits. Det var den eneste demoen som ble vist frem i kongressenteret i Davos. SARA fungerte som en virtuell personlig assistent som informerte deltakerne om aktuelle presentasjoner, introduserte dem for andre deltakere, anbefalte spisesteder med mer.

I begynnelsen fungerte SARA som en virtuell personlig assistent med et bestemt formål – å kommunisere med konferansedeltakerne og tilby dem hjelp og råd. Hun klarte å tilegne seg kunnskap om de globale ledernes interesser og mål, og kunne deretter gi dem anbefalinger om arrangementer basert på denne kunnskapen. Men ikke bare det – SARA brukte også samtalene til å bygge relasjoner med hver eneste person som snakket med henne, slik at hun lærte mer om preferansene og målene deres. I påfølgende samtaler var hun enda bedre rustet til å løse oppgaver og tilby personlig tilpasset hjelp.

Hun ble skapt ved Articulab – et lite team ved Carnegie Mellon University som studerer menneskelig interaksjon i sosiale og kulturelle kontekster gjennom inndata i datasystemer, for dermed å få bedre forståelse av menneskelige interaksjoner. Hvordan kommuniserer mennesker med teknologi, og hvordan kan den kommunikasjonen forbedres over tid? Den sosiale tilknytningen er en viktig faktor – ikke bare mellom mennesker. Som Articulab-teamet har merket seg om SARA: «Snarere enn å ignorere de sosioemosjonelle båndene som vever samfunnet sammen, er SARA helt avhengig av de båndene for å kunne samarbeide best mulig med mennesker.»

«GCP fremmer forskningen på kunstig intelligens.»

Yoichi Matsuyama, postdoktor ved instituttet for språkteknologi og prosjektleder for SARA

SARA – utviklet ved hjelp av Google-verktøy

Articulab ledes av Justine Cassell, som er assisterende rektor for teknologisk strategi og implementering hos School of Computer Science ved Carnegie Mellon University. Teamet kjente til Google Cloud Platform (GCP) før SARA, takket være verktøy og finansiering knyttet til andre forskningsprosjekter. «Fordi vi flere ganger hadde brukt TensorFlow i forbindelse med maskinlæringsprosjekter, falt det naturlig å bruke GCP da vi startet prosjekter knyttet til dyp læring», sier Yoichi Matsuyama, som er postdoktor ved instituttet for språkteknologi og prosjektleder for SARA. «Vi har også brukt en rekke Google API-er, for eksempel Google Speech API (talegjenkjenning) til samtaleagentene våre. I tillegg har vi brukt Firebase til å lage rammeverk for datainnsamling gjennom crowdsourcing.» Bruken av GCP fortsetter mens SARA finner veien til stadig nye områder. «Vi er fortsatt i implementeringsfasen», sier han, og tilføyer at «GCP fremmer forskningen på kunstig intelligens».

Ifølge Matsuyama gjør laboratoriet utstrakt bruk av Compute Engine, inkludert GPU-forekomster med 4 x Nvidia Tesla K80 og TensorFlow. I år har teamet arbeidet med modeller som «Deep Reinforcement Learning-Based Social Reasoning in Task Contexts» og «Socially Conditioned Natural Language Generation».

Når det gjelder «SARA 1.0» – implementeringen ved Verdens økonomiske forum – oppsummerer Matsuyama det slik: «Vi fikk mer enn 250 deltakere til å prøve å bruke SARA under en konferanse på fire dager. Så alt i alt var det vellykket. Men vi arbeider fortsatt med å analysere funnene – hva som fungerte, og hva som ikke fungerte.» Matsuyama fortsetter: «Et viktig funn var at det vi kaller 'tilknytning' – mellommenneskelige relasjoner – faktisk henger sammen med oppgaveløsing og prestasjoner, og i dette tilfellet påvirket det aksepten for anbefalinger. Når tilknytningsgraden var høy og det ble dannet en god relasjon mellom SARA og brukeren, var brukeren mer tilbøyelig til å godta anbefalingene som ble gitt. Det er det viktigste funnet vårt så langt, men vi arbeider fortsatt med å analysere dataene.»

Veien videre til nye bruksområder – blant annet utdanning

Det kan se ut til at arbeidet med SARA bare er i startgropen. Hittil har den «kunstige intelligensen med sosiale ferdigheter» fra Articulab blant annet blitt brukt i forbindelse med undervisning – for eksempel til å assistere barn ved offentlige skoler med begrensede ressurser, og til å fremme samarbeid mellom elever (noe som viser seg å være essensielt for å nå læringsmål), og til å hjelpe høytfungerende barn med autisme, samt barn med Asperger, med å forbedre relasjoner til andre gjennom interaktiv trening av sosiale ferdigheter.

Michael Madaio, som er doktorgradsstudent ved Human-Computer Interaction Institute og prosjektleder for prosjektet «Rapport-Aware Peer Tutor» (RAPT), forteller at i dataene de har samlet inn om elevenes «mellommenneskelige interaksjon», er «tilknytningen mellom elevene som samarbeidet, sterkt forbundet med engasjementet deres for oppgaven, med problemløsingen og dessuten med læringsgraden». Med andre ord kan det å samarbeide på en sosial måte, være til nytte for alle.

Etter hvert har deltakerne i prosjektet fått bedre innsikt i viktigheten av tilhørighet og tilknytning ved bruk av pedagogiske verktøy, og ifølge Madaio ønsker de å utvikle verktøy som gjør mer enn å hjelpe elevene med å lære. «Det finnes allerede læringsplattformer der ute,» sier han, «men forskning viser at elever ikke er maskiner som behandler informasjon og utfører beregninger. Sosial tilhørighet er også en viktig faktor. Og for å lære er det viktig å ha gode relasjoner til andre elever. Dette må vektlegges når en virtuell veileder skal gi tilbakemeldinger: Hvis den må fortelle barnet at det tar feil – hvordan skal den gjøre det? I begynnelsen bør den kanskje gi høflige og indirekte tilbakemeldinger for å mildne inntrykket. Over tid kan den imidlertid videreutvikle relasjonen og gi eleven mer direkte og spesifikke tilbakemeldinger som faktisk kan hjelpe vedkommende.»

Hvis en virtuell veileder fungerer godt, kan du øke «sannsynligheten for at eleven ønsker å bruke den igjen», tilføyer han. Det som også er viktig, er hvor engasjerte elevene er: «Det handler ikke bare om hvorvidt elevene kommer tilbake for å få hjelp, men om hvordan de oppfører seg når de kommuniserer med den virtuelle veilederen. Er de mer åpenhjertige? Føler de seg mer komfortable med å fortelle om læringsmål og eventuelle bekymringer?». Det er en tilknytning som – på lik linje med andre – må bygges opp over tid. Noe av det mest oppsiktsvekkende SARA-prosjektet har påvist, er det at en slik tilknytning kan oppstå.

Så langt har responsen på bruk i undervisningen vært positiv. Men Madaio tar et forbehold: «Vi har ikke forsøkt å implementere disse løsningene på skoler ennå. En del av den designmessige utfordringen vår i år er å finne ut hvordan vi kan gjennomføre dette i stor skala.» Teamet prøver å se for seg hvordan en slik fremtidig implementering kan se ut, for eksempel utvikling av lekseassistenter eller leseveiledere for elever som strever med lesingen.

Selv om det ikke finnes noen planer for et virtuelt veiledningssystem ved Carnegie Mellon, kan teamet for eksempel implementere en personlig assistent som kan hjelpe studenter ved å informere dem om kommende foredrag ved universitetet, anbefale arrangementer med mer. Det mest ambisiøse Articulab-målet er kanskje det å skape en versjon av SARA som kan fungere – ikke bare for en firedagers konferanse – men døgnet rundt, hele uken, på flere ulike områder. Det er en utfordrende, men også spennende ide å følge, og den rommer uendelige muligheter.

«Det handler ikke bare om hvorvidt elevene kommer tilbake for å få hjelp, men om hvordan de oppfører seg når de kommuniserer med den virtuelle veilederen. Er de mer åpenhjertige? Føler de seg mer komfortable med å fortelle om læringsmål og eventuelle bekymringer?»

Michael Madaio, Human-Computer Interaction Institute, doktorgradsstudent

Organisasjonsprofil

I 1900 grunnla Andrew Carnegie skolen «Carnegie Technical Schools». I 1912 byttet skolen navn til «Carnegie Institute of Technology» og begynte å tilby fireårige utdanninger. Mer enn femti år senere ble skolen slått sammen med «Mellon Institute of Industrial Research» for å bli «Carnegie Mellon University», som nå er et internasjonalt orientert forskningsuniversitet. Det ligger i Pittsburgh i Pennsylvania og er kjent for tverrfaglige programmer i verdensklasse, blant annet innenfor kunst, økonomi, ingeniørfag, humaniora, retningslinjer og vitenskap. CMU har nærmere 14 000 studenter fra mer enn 100 land.

Produktene som ble brukt

Takk for at du registrerte deg!

Fortell oss mer om det du er interessert i.