Сердце машины. Наше будущее в эру эмоционального искусственного интеллекта

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.

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.