مقابلات
لاما ناشمان، زميل إنتل ومدير مختبر الحوسبة الاستباقية – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
لاما ناشمان، هو زميل إنتل ومدير مختبر الحوسبة الاستباقية. لاما هو معروف جيداً بعمله مع البروفيسور ستيفن هوكينج، حيث كانinstrumental في بناء نظام حاسوب مساعد لاستخدام البروفيسور ستيفن هوكين في التواصل. اليوم هو يساعد الروبوتيست البريطاني د. بيتر سكوت مورغان على التواصل. في عام 2017، تلقى د. بيتر سكوت مورغان تشخيصًا لإصابة عصبية حركية (MND)، المعروفة أيضًا باسم ALS أو مرض لو جيريج. MND يهاجم الدماغ والأعصاب ويفصل في النهاية جميع العضلات، حتى تلك التي تمكن من التنفس والبلع.
(INTC )د. بيتر سكوت مورغان قال في وقت ما: “سأستمر في التطور، وأموت كإنسان، وأعيش كسايبورغ.”
ما الذي جذبك إلى الذكاء الاصطناعي؟
لقد كنت دائمًا مجذوبًا إلى فكرة أن التكنولوجيا يمكن أن تكون عادلًا كبيرًا. عندما يتم تطويرها بشكل مسؤول، لها القدرة على تسوية الساحة، ومعالجة عدم المساواة الاجتماعية، وتعزيز الإمكانات البشرية. لا يوجد مكان حيث يكون هذا أكثر صحة من الذكاء الاصطناعي. في حين أن الكثير من محادثات الصناعة حول الذكاء الاصطناعي والبشر تضع العلاقة بينهما كعدائية، أعتقد أن هناك أشياء فريدة التي الآلات والأشخاص جيدة فيها، لذلك أفضل النظر إلى المستقبل من خلال عدسة التعاون بين الإنسان والذكاء الاصطناعي بدلاً من المنافسة بينهما. أدير مختبر الحوسبة الاستباقية في إنتل لابس حيث – عبر جميع جهودنا البحثية – لدينا تركيز واحد على تقديم 혁신 الحوسبة التي تتناسب مع التأثير الاجتماعي الواسع. بالنظر إلى كيفية انتشار الذكاء الاصطناعي بالفعل وتزايده في كل جانب من جوانب حياتنا، أرى وعدًا كبيرًا في البحث الذي يقوم به فريقي لجعل الذكاء الاصطناعي أكثر سهولة الوصول إليه، وأكثر دراية بالسياق، وأكثر مسؤولية، وفي النهاية تقديم حلول تكنولوجية بمقياس لتمكين الناس في العالم الحقيقي.
لقد عملت بشكل وثيق مع الفيزيائي الأسطوري البروفيسور ستيفن هوكينج لإنشاء نظام ذكاء اصطناعي يساعده في التواصل والمهام التي نعتبرها روتينية. ما هي بعض المهام الروتينية هذه؟
العمل مع البروفيسور ستيفن هوكينج كان أكثر مشروع معنوي وتحدي في حياتي. لقد غذى روحي وجعلني أدرك حقًا كيف يمكن للتكنولوجيا تحسين حياة الناس بشكل كبير. كان يعيش مع ALS، مرض عصبية حركية تنكسية، ينهب مع مرور الوقت القدرة على أداء الأنشطة البسيطة. في عام 2011، بدأنا العمل معه لاستكشاف كيفية تحسين نظام الحاسوب المساعد الذي مكنه من التفاعل مع العالم. بالإضافة إلى استخدام كمبيوتره للتحدث مع الناس، استخدم ستيفن كمبيوتره مثلنا جميعًا، لتحرير الوثائق، وتصفح الإنترنت، وإعطاء المحاضرات، وكتابة البريد الإلكتروني، الخ. تمكنت التكنولوجيا ستيفن من الاستمرار في المشاركة النشطة في العالم لسنوات بعد تدهور قدراته الجسدية بسرعة. ذلك – بالنسبة لي – هو تأثير التكنولوجيا على حياة شخص ما!
ما هي بعض النتائج الرئيسية التي استخلصتها من العمل مع البروفيسور ستيفن هوكينج؟
شاشتنا هي حقًا بابنا إلى العالم. إذا كان الناس يستطيعون التحكم في كمبيوترهم، فيمكنهم التحكم في جميع جوانب حياتهم (استهلاك المحتوى، الوصول إلى العالم الرقمي، التحكم في البيئة المادية، التنقل في كرسيهم المتحرك، الخ). للأشخاص ذوي الإعاقة الذين لا يزالون يستطيعون التحدث، تتيح لهم تقنيات التعرف على الكلام التحكم الكامل في أجهزتهم ( وإلى حد كبير، بيئتهم المادية). ومع ذلك، أولئك الذين لا يستطيعون التحدث وغير قادرين على الحركة هم حقًا معاقون في عدم قدرتهم على ممارسة الاستقلال. ما علمتني تجربة هوكينج هو أن منصات التكنولوجيا المساعدة تحتاج إلى تtailoring إلى احتياجات المستخدم. على سبيل المثال، لا يمكننا افتراض أن حلًا واحدًا سيعمل للأشخاص الذين يعانون من ALS، لأن المرض يؤثر على قدرات مختلفة عبر المرضى. لذا، نحن بحاجة إلى تكنولوجيا يمكن تكوينها بسهولة وتكيفها مع احتياجات الفرد. هذا هو السبب في بناء ACAT (Assistive Context Aware Toolkit)، وهو منصة برمجية مفتوحة المصدر يمكن للمطورين من خلالها بناء قدرات مختلفة.
كما تعلمت أن من المهم فهم عتبة راحة كل مستخدم حول تسليم السيطرة مقابل الكفاءة (هذا لا يقتصر على الأشخاص ذوي الإعاقة). على سبيل المثال، قد يكون الذكاء الاصطناعي قادرًا على أخذ المزيد من السيطرة من المستخدم لتنفيذ مهمة بشكل أسرع أو أكثر كفاءة، ولكن كل مستخدم لديه مستوى مختلف من الخوف من المخاطر. بعضهم على استعداد لتسليم المزيد من السيطرة، بينما يريد مستخدمون آخرون الحفاظ على المزيد منها. فهم هذه العتبات وكيف يرغب الناس في الذهاب له تأثير كبير على كيفية تصميم هذه الأنظمة. نحن بحاجة إلى إعادة التفكير في تصميم النظام من حيث مستوى راحة المستخدم بدلاً من مجرد مقاييس الكفاءة والدقة.
最近، كنت تعمل مع عالم بريطاني مشهور بيتر سكوت مورغان الذي يعاني من مرض عصبية حركية وهدف lui هو أن يصبح أول سايبورغ كامل في العالم. ما هي بعض الأهداف الطموحة التي يطمح إليها بيتر؟
أحد القضايا مع AAC (التواصل المساعد والبديل) هو “فجوة الصمت”. العديد من الأشخاص الذين يعانون من ALS (بما في ذلك بيتر) يستخدمون التحكم بال взгляд لاختيار الحروف / الكلمات على الشاشة للتحدث إلى الآخرين. هذا يؤدي إلى صمت طويل بعد انتهاء شخص ما من جملته بينما ينظر إلى كمبيوتره ويتشكل في الحروف والكلمات للاستجابة. يريد بيتر تقليل فجوة الصمت هذه قدر الإمكان لإعادة التأمل اللغوي إلى التواصل. كما يريد الحفاظ على صوته و شخصيته واستخدام نظام نص إلى كلام يعبر عن أسلوبه الفريد في التواصل (على سبيل المثال، نكاته، سخرته السريعة، عواطفه).
العالم الروبوتي البريطاني د. بيتر سكوت مورغان، الذي يعاني من مرض عصبية حركية، بدأ في عام 2019 في الخضوع ل了一系列 من العمليات لتمديد حياته باستخدام التكنولوجيا. (الائتمان: Cardiff Productions)
يمكنك مناقشة بعض التكنولوجيا التي يتم استخدامها حاليًا لمساعدة د. بيتر سكوت مورغان؟
بيتر يستخدم ACAT (Assistive Context Aware Toolkit)، وهو المنصة التي بنيناها خلال عملنا مع د. هوكينج وأصدَرناها بعد ذلك كمصدر مفتوح. على عكس د. هوكينج الذي استخدم عضلات خده ك “مفتاح إدخال” للتحكم في الحروف على شاشته، بيتر يستخدم التحكم بال взгляд (قدرة أضفنا إلى ACAT الحالية) للتحدث والتحكم في كمبيوتره، الذي ي_interfaces مع حل Text-to-Speech (TTS) من شركة CereProc تم تخصيصه له ويمكنه التعبير عن عواطف مختلفة / التركيز. النظام cũng يتحكم في تمثال نصفي تم تخصيصه له.
نحن حاليًا نعمل على نظام توليد استجابة ل ACAT يمكن أن يسمح لبيتر بالتفاعل مع النظام على مستوى أعلى باستخدام قدرات الذكاء الاصطناعي. هذا النظام سوف يستمع إلى محادثات بيتر مع مرور الوقت واقتراح استجابات لبيتر للاختيار على الشاشة. الهدف هو أن يتعلم نظام الذكاء الاصطناعي من بيانات بيتر وتمكينه من “دفع” النظام لتوفير أفضل الاستجابات باستخدام بعض الكلمات الرئيسية (مثل كيفية عمليات البحث على الويب اليوم). هدفنا مع نظام توليد الاستجابة هو تقليل فجوة الصمت في التواصل المذكورة أعلاه وتمكين بيتر ومستخدمي ACAT في المستقبل من التواصل بسرعة تشعر أكثر “بالطبيعية”.
لقد تحدثت أيضًا عن أهمية الشفافية في الذكاء الاصطناعي، كم هو كبير هذا القضية؟
هذه قضية كبيرة خاصة عند نشرها في أنظمة اتخاذ القرارات أو أنظمة التعاون بين الإنسان والذكاء الاصطناعي. على سبيل المثال، في حالة نظام بيتر المساعد، نحن بحاجة إلى فهم ما يسبب نظام التوصية هذه والكيفية التي يمكننا من خلالها التأثير على تعلم هذا النظام لتعبير عن أفكاره بدقة.
في السياق الأوسع لأنظمة اتخاذ القرارات، سواء كان ذلك في مساعدة التشخيص على أساس التصوير الطبي أو تقديم توصيات منح القروض، أنظمة الذكاء الاصطناعي تحتاج إلى تقديم معلومات قابلة للفهم من قبل الإنسان حول كيفية وصولها إلى هذه القرارات، ما هي السمات أو الميزات التي كانت الأكثر تأثيرًا على هذا القرار، ما هو مستوى الثقة الذي يمتلكه النظام في الاستدلال المُصنّع، الخ. هذا يزيد من الثقة في أنظمة الذكاء الاصطناعي وتمكين التعاون الأفضل بين البشر والذكاء الاصطناعي في سيناريوهات اتخاذ القرارات المختلطة.
الانحياز في الذكاء الاصطناعي، خاصة عندما يتعلق الأمر بالعنصرية والجنسانية، هو قضية كبيرة، ولكن كيف يمكنك تحديد أنواع أخرى من الانحياز عندما لا تعرف ما الانحياز الذي تبحث عنه؟
هذه مشكلة صعبة جدًا ولا يمكن حلها بالتكنولوجيا وحدها. نحن بحاجة إلى جلب المزيد من التنوع إلى تطوير أنظمة الذكاء الاصطناعي (عرقي، جنس، ثقافي، قدرة جسدية، الخ). هذا هو فجوة واضحة في السكان الذين يبنيون هذه الأنظمة اليوم. بالإضافة إلى ذلك، من المهم أن يكون لدينا فرق متعددة التخصصات مشاركة في تعريف وتطوير هذه الأنظمة، وجلب العلوم الاجتماعية، والفلسفة، والpsychology، والأخلاق، والسياسة إلى الطاولة (وليس فقط علوم الكمبيوتر)، والانخراط في عملية الاستفسار في سياق المشاريع والمشاكل المحددة.
لقد تحدثت من قبل عن استخدام الذكاء الاصطناعي لتعزيز الإمكانات البشرية. ما هي بعض المجالات التي تظهر أكثر وعدًا لهذا التعزيز؟
منطقة واضحة هي تمكين الأشخاص ذوي الإعاقة من العيش بشكل أكثر استقلالية، والتواصل مع الأحباء، والمواصلة في الإبداع والمساهمة في المجتمع. أرى إمكانية كبيرة في التعليم، وفهم مشاركة الطلاب، وتailoring تجربة التعلم إلى احتياجات و قدرات الطلاب الفردية لتحسين المشاركة، وتمكين المعلمين بهذه المعرفة، و تحسين النتائج التعليمية. عدم المساواة في التعليم اليوم هو عميق جدًا وهناك مكان للذكاء الاصطناعي لمساعدة تقليل بعض هذه عدم المساواة إذا فعلنا ذلك بشكل صحيح. هناك فرص لا حصر لها للذكاء الاصطناعي لإضافة قيمة كبيرة من خلال إنشاء أنظمة تعاون بين الإنسان والذكاء الاصطناعي في العديد من القطاعات (الرعاية الصحية، والتصنيع، الخ) لأن ما يأتي به البشر والذكاء الاصطناعي إلى الطاولة هو مکمل. من أجل أن يحدث هذا، نحن بحاجة إلى الابتكار على تقاطع العلوم الاجتماعية، وHCI، والذكاء الاصطناعي. الإدراك المتعددة الوسائط القوي، والوعي بالسياق، والتعلم من البيانات المحدودة، وHCI المحدد مكانيًا، والقابلية للتفسير هي بعض التحديات الرئيسية التي نحتاج إلى التركيز عليها لجعل هذا الرؤية حقيقة.
لقد تحدثت أيضًا عن مدى أهمية تحديد العواطف لمستقبل الذكاء الاصطناعي. لماذا يجب على صناعة الذكاء الاصطناعي التركيز أكثر على هذا المجال من البحث؟
تحديد العواطف هو قدرة رئيسية لأنظمة الإنسان والذكاء الاصطناعي لعدة أسباب. جانب واحد هو أن العواطف البشرية توفر سياقًا بشريًا هامًا لأي نظام استباقي لفهمه قبل أن يتصرف.
أكثر من ذلك، هذه الأنظمة تحتاج إلى الاستمرار في التعلم في البرية والتكيف بناءً على التفاعلات مع المستخدمين، والتنبيهات غير المباشرة مهمة جدًا وهم مجانية (أقل عمل للمستخدم). على سبيل المثال، يمكن لمساعد رقمي التعلم الكثير من الإحباط في صوت المستخدم واستخدامه كإشارة ملاحظات للتعلم ما يجب فعله في المستقبل، بدلاً من سؤال المستخدم عن ملاحظات كل مرة. يمكن استخدام هذه المعلومات لتعلم الذكاء الاصطناعي النشط للاستمرار في التحسين مع مرور الوقت.
هل هناك أي شيء آخر تود مشاركته حول ما تعمل عليه في مختبر الحوسبة الاستباقية أو أي من القضايا التي ناقشناها؟
عند بناء أنظمة مساعدة، نحن بحاجة حقًا إلى التفكير في كيفية بناء هذه الأنظمة بشكل مسؤول وكيف تمكين الناس من فهم ما هو المعلومات التي يتم جمعها وكيفية التحكم في هذه الأنظمة بطريقة عملية. كما باحثون في الذكاء الاصطناعي، غالبًا ما نكون مهتمين بالبيانات ونتمنى أن يكون لدينا尽可能 الكثير من البيانات لتحسين هذه الأنظمة، ومع ذلك، هناك تبادل بين نوع وكمية البيانات التي نريدها وخصوصية المستخدم. نحن بحاجة حقًا إلى تقييد البيانات التي نجمعها إلى ما هو مطلوب بالضرورة لأداء مهمة الاستدلال، وجعل المستخدمين على دراية بما البيانات التي نجمعها وتمكينهم من ضبط هذا التبادل بطريقة معنوية ويمكن استخدامها.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد حول هذا المشروع يجب أن يقرأوا المقال إنتل لاما ناشمان وبيتر سكوت مورغان: عالمان، أحدهما “سايبورغ بشري”.
فريق مختبر الحوسبة الاستباقية في إنتل الذي طور أداة Assistive Context-Aware يضم (من اليسار) أليكس نجوين، سانجيتا شارما، ماكس بيناروك، ساي براساد، لاما ناشمان، وبيت دينمان. لا يظهر في الصورة برونا جيرفنت، سوراف ساهاي، وشاشي كومار. (الائتمان: لاما ناشمان)
