مجله هوش مصنوعی شهاب
سیستم های هوش مصنوعی برای طیف گسترده ای از وظایف از سیستم های تشخیص هویت گرفته تا فعالیت های خودمختار، از تشخیص الگو ها و تشخیص ناهنجاری گرفته تا تحلیل های پیش بینی کننده و سیستم های مکالمه و بسیاری از جنبه های دیگر استفاده می شوند.
یکی از زمینه هایی که هوش مصنوعی توانایی خاص خود را نشان داده است در حوزه تشخیص می باشد، از تشخیص تصویر گرفته تا گفتار و سایر جنبه های تشخیص الگوهای رفتاری. بسیاری از محققان هوش مصنوعی را در مورد جنبه های تشخیص چهره و تحلیل احساسات مبتنی بر متن به کار برده اند، اما یکی از آن ها قدرت یادگیری ماشین را برای استفاده از فرآیند تشخیص در سطح جدیدی به کار گرفته است. آیا می توان وضعیت عاطفی یک انسان را به سادگی از نوع راه رفتنش تعیین کرد؟
Aniket Bera استادیار و پژوهشگر در موسسه مطالعات کامپیوتر پیشرفته دانشگاه مریلند ( UMIACS ) و گروه علوم کامپیوتر است و تحقیقاتش را به عنوان بخشی از گروه الگوریتم های هندسی برای مدل سازی ، حرکت و انیمیشن ( GAMMA ) دنبال می کند. GAMMA ، در دانشگاه مریلند در کالج پارک ، بر روی بسیاری از مسائل تحقیقاتی مختلف ، از جمله یادگیری رفتار چند حالته با استفاده از هوش مصنوعی ، تحقیق در مورد ناوبری ربات ها و وسایل نقلیه خودران و شبیه سازی مبتنی بر فیزیک کار می کند.
تحقیقات فعلی وی متمرکز بر ادراک اجتماعی عوامل هوشمند است. تحقیقات او شامل ترکیبی جدید از روش ها و همکاری ها در زمینه گرافیک رایانه، شبیه سازی مبتنی بر فیزیک، تجزیه و تحلیل آماری و یادگیری ماشین برای تهیه مدل های محاسباتی در زمان معین برای طبقه بندی چنین رفتارهایی و اعتبار سنجی عملکرد آن ها است.
ربات های دارای هوش اجتماعی
یکی از جالب توجه ترین جنبه های تحقیق روز دنیا ” ربات های دارای هوش اجتماعی ” هستند. پروفسور برا پیش بینی می کند که انسان ها به زودی به استفاده از ربات های اتوماتیک در اماکن عمومی مانند خانه ها، دفاتر، پیاده روها و ساختمان های خود نزدیک خواهند شد. این ربات ها وظیفه انجام طیف گسترده ای از کارها از جمله برنامه های نظارت، تحویل و انبارداری را بر عهده دارند.
در حقیقت، چالش مداوم بیماری همه گیر کنونی یعنی ویروس کووید ۱۹ ،انگیزه در بیمارستان ها و مراکز مراقبت های بهداشتی را برای افزایش تعداد سیستم های رباتیک اتوماتیک در راستای افزایش اقدامات مربوط به مراقبت های بهداشتی را افزایش داده است.
به همین ترتیب، پروفسور آنیکت برا معتقد است که در شرایط این چنینی که برقراری ارتباط نزدیک خطرناک محسوب می شود، بسیار مهم است که این ربات ها به شکلی اجتماعی و بصری همکاری مشترک داشته باشند. این ربات ها باید احساسات انسانی، تمایلات، مقاصد، مرزهای اجتماعی و انتظارات را درک کنند. در حالی که بسیاری از برنامه های کاربردی رباتیک در حال حاضر بیشتر در انجام وظایفی که متمرکز بر کارآیی یا زمان هستند درگیر می باشند، ربات هایی که دارای هوش اجتماعی یک مؤلفه دیگر از تعامل عاطفی و اجتماعی انسان را در این حوزه اضافه می کنند. افزودن این جنبه به انسان کمک می کند تا در تعامل های رباتیک خود که از نزدیک با آن ها برقرار می کند احساس امنیت، راحتی و دوستانه تری داشته باشد.
یکی از جالب ترین کاربردهای تحقیق در زمینه ربات های دارای هوش اجتماعی، توانایی آن ها در خواندن زبان بدن است. تحقیق در مورد تعیین احساسات از چهره ، امری نسبتاً اثبات شده است. با این وجود موارد بسیاری وجود دارد که حالت چهره می تواند در آن موارد غیرقابل اطمینان باشد، مانند موقعیت هایی که داده های مربوط به صورت فقط تا حدی در دسترس است یا نشانه ها و علائم صورت برای به دست آوردن آن ها چالش برانگیز است.
به عنوان مثال، ممکن است یک شخص به طور مستقیم با ربات روبرو نشود یا شاید فاصله اش از ربات دور باشد. علاوه بر این، تحقیقات روانشناسی اجتماعی نشان می دهد که افراد می توانند حالات چهره خود را تغییر دهند، علامت هایی مبنی بر عواطف کاذب نشان دهند و این که مردم همیشه به صورت خودجوش حالت چهره ای بخصوص از خود بروز نمی دهند. علاوه بر این، مشخص نیست که چه مقدار حالات چهره فرد با رفتار واقعی او گره خورده است.
برای پرداختن به این مسائل و همچنین پرداختن به سیستم های توانایی درک وضعیت عاطفی از راه دور، تحقیقات انجام شده توسط آزمایشگاه GAMMA به دنبال سیستم های هوش مصنوعی است که می توانند احساسات را بر اساس راه رفتن فرد تشخیص دهند.
آزمایشگاه حالت چهره فرد را با حرکت بدن وی به عنوان راهی برای بهبود پیش بینی حالات عاطفی انسان ترکیب می کند. به گفته محققان، بر اساس دستاورد های این پژوهش، شیوه راه رفتن چیزی نیست که به راحتی قابل دستکاری باشد. شناسایی افراد بر اساس راه رفتن آن ها با استفاده از سیستم های هوش مصنوعی قبلاً به طور گسترده ای منتشر شده و از صحت لازم برخوردار است.
به این ترتیب، تشخیص راه رفتن و شناسایی مسیرهای پیاده روی همراه با حالت های صورت در معابر، می تواند نحوه ی پیاده روی و وضعیت عاطفی آن ها را پیش بینی کند. پروفسور برا همچنین متذکر می شود که تحقیقات مبتنی بر راه رفتن از بسیاری از مسائل مربوط به حریم خصوصی که سیستم های تشخیص چهره در معرض آن قرار می گیرند، جلوگیری می کند. الگوریتم آزمایشگاه، نحوه گام برداشتن را استخراج می کند و کلیه ویژگی های قابل شناسایی را از بین می برد زیرا همه داده های سطح پیکسل حذف می شوند و فقط موقعیت های مفاصل ذخیره می شوند.
پروفسور برا و محققان و همکارانش ربات ProxEmo را برای نشان دادن چگونگی عملکرد چنین ربات هایی در تشخیص حالت افراد با راه رفتنشان ساخته اند. محققان بر این باورند که سیستم های هوشمند اجتماعی می توانند در بسیاری از کاربرد های مختلف از جمله توسعه تکنیک های خودکار برای درک احساسات انسانی در درمان ، توانبخشی ، تشخیص و نظارت بر ناهنجاری ، درک مخاطبان ، تولید شخصیت برای انیمیشن و فیلم و سایر برنامه ها استفاده شوند.
پروفسور برا همچنین تعدادی دیگر از کاربردهای عملی ربات های دارای هوش اجتماعی را به اشتراک گذاشته است. اگر یک ربات بتواند از حرکات بدنی و راه رفتن های عابران پیاده با استفاده از احساساتشان به عنوان فعالیت های پیش بینی کننده یاد بگیرد، می توانیم برنامه های مؤثرتری را برای تخلیه جمعیت طراحی کنیم تا به مردم کمک کند تا با کارآیی و ایمنی بیشتری از موقعیت های خطرناک فرار کنند. در مثال دیگر، ربات ها می توانند پیش بینی کنند که آیا کسی در هنگام راه رفتن روی یک پل در وضعیت روانی پریشانی است یا نه. یا این که به طور کلی سیگنال های مربوط به سلامت روان فرد را ارزیابی کند.
ربات ها می توانند پیش بینی کنند که آیا یک عابر پیاده هنگام عبور از خیابان امکان دارد که با خودرو ها برخورد کند و خود و رانندگان را در معرض خطر قرار دهد یا نه. ربات ها همچنین می توانند اقدامات جنایتکارانه یا موقعیت های تهدید آمیز مانند سرقت، آدم ربایی، دزدی و یا حمله را شناسایی کنند. با توجه به بیماری همه گیر جهانی کورونا ، ربات های دارای هوش اجتماعی می توانند نیازهای انسانی را بهتر درک کنند و حرکات شبیه سرفه یا حالاتی از بدن را که نشان دهنده درد ناشی از ویروس است را تشخیص دهند و یا فاصله گذاری اجتماعی را در اماکن عمومی اجرا کنند.
چالش های ربات های اجتماعی
در حالی که ما مدت هاست که در می خواهیم در زندگی روزمره خود از ربات ها استفاده کنیم، به طوری که داستان های علمی و فیلم ها نشانه ای از این واقعیت می باشند، واقعیت این است که صنعت رباتیک مدت هاست که تلاش می کند ربات های اجتماعی را به واقعیت تبدیل کند. شرکت های رباتیک مانند Anki ، Jibo و Rethink Robotics پس از ناکامی در ادامه راه خود، در های شرکت خود را بستند. با این حال، استاد برا برای این مسئله پاسخی دارد. وی می گوید برخی محققان صنعت رباتیک می گویند که شرکت های رباتیک به دلیل عدم استفاده واقعی از ” ربات های اجتماعی ” یا عدم استفاده واقعی از چنین ربات هایی شکست خورده اند.
علاوه بر این، وی اظهار داشت که در بسیاری از موارد جنبه ” اجتماعی ” این ربات ها ممکن بود بیش از حد اغراق آمیز شده و انتظارات را بر آورده نکرده باشد.
او معتقد است که در حالی که این ربات ها تأثیرات عاطفی انسان ها را تقلید می کنند، اما در واقع آن ها روحیه یا احساسات کاربر را نمی توانستند به طور موثر ضبط کنند. از نظر او بسیاری از احساسات ما انسان ها غیر کلامی است. آنچه ما می گوییم و این که آن را چگونه می گوییم دو چیز کاملا متفاوت است. بسیاری از این سیستم عامل ها جنبه اساسی رابطه اجتماعی یعنی دو طرفه بودن رابطه را از دست داده اند و از این نظر، استفاده از نشانه های احساسی اضافی از جمله راه رفتن و زبان بدن ممکن است کمک کند تا این نوع ربات های اجتماعی مفید تر و به زنده بودن شبیه تر شوند.
با توجه به این موضوع، پروفسور برا سال ها تجربه در زمینه تحقیق در این زمینه بیش از ۴۰ مقاله تحقیقاتی دارد که به نام وی منتشر شده است. او معتقد است که آینده برای رباتیک و هوش مصنوعی روشن است. از نظر او تعداد فزاینده ای از ربات ها از هوش مصنوعی استفاده کرده اند تا مشکلات واقعی را از کف انبار کارخانه تا اتاق عمل بیمارستان حل کنند. او می خواهد از هوش مصنوعی برای بهتر شناختن جهان استفاده کند و همچنین از این فناوری استفاده کند تا ربات ها باهوش تر و کارآمد تر شوند.
آینده ای که او برای ربات ها متصور است فراتر از خانه و کارخانه است و تا اکتشافات و همکاری ها در مکان های نظامی برای نظارت مداوم یا استفاده در زنجیره های تأمین و حمل و نقل می باشد. این نوع از تیم های غیر متمرکز همکاری با ربات های انسانی برای اکتشاف در مقیاس بزرگ، نقشه برداری و سایر وظایف مربوط به کار های تیمی مناسب هستند زیرا تحقیقات و تعاملات اغلب می توانند به چندین هدف برای ربات ها تقسیم شوند. البته ، همانطور که او می گوید ، چالش واقعی این است که اطمینان حاصل کنیم که این ربات ها در نه فقط در آزمایشگاه ها بلکه در دنیای واقعی نیز عملکرد خوبی داشته باشند.
بیشتر بخوانید:
- هوش مصنوعی مولد تهدیدات جدیدی برای امنیت سایبری ایجاد می کند
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
