Lama Nachman, Intel Fellow & Director of Anticipatory Computing Lab – Interview Series

Lama Nachman, είναι ένας Intel Fellow & Director of Anticipatory Computing Lab. Η Lama Nachman είναι περισσότερο γνωστή για τη δουλειά της με τον καθηγητή Stephen Hawking, ήταν ουσιαστική στη δημιουργία ενός υπολογιστικού συστήματος για να βοηθήσει τον καθηγητή Stephen Hawking να επικοινωνήσει. Σήμερα βοηθά τον Βρετανό ρομποτική Dr. Peter Scott-Morgan να επικοινωνήσει. Το 2017, ο Dr. Peter Scott-Morgan έλαβε διάγνωση για νόσηση του κινητικού νευρώνα (MND), επίσης γνωστή ως ALS ή νόσος του Lou Gehrig. Η MND επιτίθεται στον εγκέφαλο και τα νεύρα και τελικά παραλύει tous τους μυς, ακόμη και αυτούς που επιτρέπουν την αναπνοή και την κατάποση.

Ο Dr. Peter Scott-Morgan ανέφερε κάποτε: «Θα συνεχίσω να εξελίσσομαι, να πεθαίνω ως άνθρωπος, να ζώ ως κυβόργ».

Τι σας έκανε να ενδιαφερθείτε για την Τεχνητή Νοημοσύνη;

Έχω πάντα προσελκύσει την ιδέα ότι η τεχνολογία μπορεί να είναι ο μεγάλος ισοπεδωτής. Όταν αναπτύσσεται με ευθύνη, έχει το δυναμικό να ισοπεδώσει το πεδίο, να αντιμετωπίσει τις κοινωνικές ανισότητες και να ενισχύσει το ανθρώπινο δυναμικό. Κατά nowhere είναι αυτό πιο αληθινό από ότι στην Τεχνητή Νοημοσύνη. Ενώ μεγάλο μέρος του βιομηχανικού διαλόγου γύρω από την Τεχνητή Νοημοσύνη και τους ανθρώπους θέτει τη σχέση μεταξύ των δύο ως αντιπαλότητα, πιστεύω ότι υπάρχουν μοναδικά πράγματα που οι μηχανές και οι άνθρωποι είναι καλοί, οπότε προτιμώ να βλέπω το μέλλον μέσα από το πρίσμα της Συνεργασίας Ανθρώπου-Τεχνητής Νοημοσύνης αντί της ανταγωνιστικότητας Ανθρώπου-Τεχνητής Νοημοσύνης. Ηγηθώ του Εργαστηρίου Προσδοκίας Υπολογιστών στο Intel Labs όπου, σε όλα τα ερευνητικά μας προσπάθειες, έχουμε ένα ενιαίο焦点 στην παροχή καινοτομίας υπολογιστών που κλιμακώνεται για ευρεία κοινωνική επίδραση. Δεδομένου πόσο διαδεδομένη είναι ήδη η Τεχνητή Νοημοσύνη και η αυξανόμενη της αποτύπωση σε κάθε πτυχή της ζωής μας, βλέπω τεράστια υποσχόμενη στην έρευνα που η ομάδα μου αναλαμβάνει για να κάνει την Τεχνητή Νοημοσύνη πιο προσιτή, πιο ευαίσθητη στο контέκστ, πιο υπεύθυνη και τελικά φέρνοντας τεχνολογικές λύσεις σε κλίμακα για να βοηθήσουν τους ανθρώπους στον πραγματικό κόσμο.

Έχετε συνεργαστεί στενά με τον θρυλικό φυσικό καθηγητή Stephen Hawking για να δημιουργήσετε ένα σύστημα Τεχνητής Νοημοσύνης που να βοηθά στην επικοινωνία και με καθήκοντα που η πλειοψηφία μας θα θεωρούσε ρουτίνα. Ποια ήταν κάποια από αυτά τα καθήκοντα ρουτίνας;

Η συνεργασία με τον καθηγητή Stephen Hawking ήταν η πιο σημαντική και απαιτητική προσπάθεια της ζωής μου. Τρέφει την ψυχή μου και πραγματικά χτύπησε στο σπίτι πώς η τεχνολογία μπορεί να βελτιώσει προφανώς τις ζωές των ανθρώπων. Ζούσε με ALS, μια εκφυλιστική νευρολογική νόσο, που απομακρύνει με την πάροδο του χρόνου την ικανότητα του ασθενούς να εκτελεί τις πιο απλές δραστηριότητες. Το 2011, αρχίσαμε να εργαζόμαστε μαζί του για να εξερευνήσουμε πώς να βελτιώσουμε το υπολογιστικό σύστημα που του επέτρεψε να αλληλεπιδρά με τον κόσμο. Εκτός από τη χρήση του υπολογιστή του για να μιλήσει με τους ανθρώπους, ο Stephen использовал τον υπολογιστή του όπως και όλοι μας, για επεξεργασία εγγράφων, περιήγηση στο διαδίκτυο, διδασκαλία διαλέξεων, ανάγνωση/γραφή email, κ.λπ. Η τεχνολογία επέτρεψε στον Stephen να συνεχίσει να συμμετέχει ενεργά στον κόσμο για χρόνια μετά την ταχεία μείωση των φυσικών του ικανοτήτων. Αυτό -για μένα- είναι τι σημαίνει ουσιαστική επίδραση της τεχνολογίας στη ζωή κάποιου!

Ποια είναι κάποια από τα βασικά συμπεράσματα που έχετε βγάλει από τη συνεργασία με τον καθηγητή Stephen Hawking;

Η οθόνη του υπολογιστή μας είναι πραγματικά η πύλη μας στον κόσμο. Αν οι άνθρωποι μπορούν να ελέγχουν τον υπολογιστή τους, μπορούν να ελέγχουν όλες τις πτυχές της ζωής τους (κατανάλωση περιεχομένου, πρόσβαση στον ψηφιακό κόσμο, έλεγχο του φυσικού περιβάλλοντος, πλοήγηση με το αμαξίδιο, κ.λπ.). Για άτομα με αναπηρίες που μπορούν ακόμη να μιλήσουν, οι προόδους στην αναγνώριση ομιλίας τους επιτρέπουν να έχουν πλήρη έλεγχο των συσκευών τους (και σε μεγάλο βαθμό, του φυσικού περιβάλλοντος). Ωστόσο, εκείνοι που δεν μπορούν να μιλήσουν και δεν μπορούν να κουνηθούν είναι πραγματικά ελαττωματικοί στην αδυναμία τους να ασκήσουν πολλή ανεξαρτησία. Τι η εμπειρία με τον καθηγητή Hawking με δίδαξε είναι ότι πλατφόρμες τεχνολογίας βοήθειας cần να προσαρμοστούν στις συγκεκριμένες ανάγκες του χρήστη. Για παράδειγμα, δεν μπορούμε να υποθέσουμε ότι μια seule λύση θα δουλέψει για άτομα με ALS, επειδή η νόσος επηρεάζει διαφορετικές ικανότητες σε ασθενείς. Οπότε, χρειαζόμαστε τεχνολογίες που μπορούν να ρυθμιστούν και να προσαρμοστούν στις ανάγκες του ατόμου. Αυτός είναι ο λόγος που κατασκευάσαμε το ACAT (Εργαλείο Βοήθειας Περιεχομένου), μια modulaire, ανοιχτού κώδικα λογισμικού πλατφόρμα που μπορεί να επιτρέψει στους développers να καινοτομήσουν και να κατασκευάσουν διαφορετικές ικανότητες επάνω της.

Επίσης, έμαθα ότι είναι σημαντικό να κατανοήσουμε το όριο άνεσης κάθε χρήστη σχετικά με την παραχώρηση ελέγχου σε αντάλλαγμα για μεγαλύτερη αποτελεσματικότητα (αυτό δεν περιορίζεται σε άτομα με αναπηρίες). Για παράδειγμα, η Τεχνητή Νοημοσύνη μπορεί να είναι ικανή να αφαιρέσει περισσότερο έλεγχο από τον χρήστη για να κάνει μια εργασία γρηγορότερα ή πιο αποτελεσματικά, αλλά κάθε χρήστης έχει διαφορετικό επίπεδο αποφυγής κινδύνου. Ορισμένοι είναι διατεθειμένοι να παραχωρήσουν περισσότερο έλεγχο, ενώ άλλοι χρήστες θέλουν να διατηρήσουν περισσότερο. Κατανοώντας αυτά τα όρια και πόσο μακριά οι άνθρωποι είναι διατεθειμένοι να πάνε έχει μεγάλη επίδραση στο πώς αυτά τα συστήματα μπορούν να σχεδιαστούν. Χρειαζόμαστε να ξανασχεδιάσουμε το σχεδιασμό του συστήματος σε όρους επιπέδου άνεσης του χρήστη και όχι μόνο αντικειμενικών μετρήσεων αποτελεσματικότητας και ακρίβειας.

Πιο πρόσφατα, έχετε συνεργαστεί με einen nổi tiếng Βρετανό επιστήμονα Peter Scott Morgan που πάσχει από νόσο του κινητικού νευρώνα και έχει ως στόχο να γίνει ο πρώτος πλήρης κυβόργιος στον κόσμο. Ποια είναι κάποια από τα φιλόδοξα σχέδια που έχει ο Peter;

Ένα από τα προβλήματα με το AAC (Βοήθεια και Επαυξητική επικοινωνία) είναι το “χάσμα σιωπής”. Πολλοί άνθρωποι με ALS (συμπεριλαμβανομένου του Peter) χρησιμοποιούν έλεγχο βλέμματος για να επιλέξουν γράμματα / λέξεις στην οθόνη για να μιλήσουν με άλλους. Αυτό οδηγεί σε μια μακρά σιωπή μετά από κάποιον που τελειώνει την πρότασή του ενώ ο άνθρωπος βλέπει τον υπολογιστή του και αρχίζει να διαμορφώνει τα γράμματα και τις λέξεις για να απαντήσει. Ο Peter ήθελε να μειώσει αυτό το χάσμα σιωπής όσο το δυνατόν για να φέρει πίσω τη λεκτική σποντανειότητα στην επικοινωνία. Θέλει επίσης να διατηρήσει τη φωνή του και την προσωπικότητά του και να χρησιμοποιήσει ένα σύστημα κειμένου προς ομιλία που εκφράζει το μοναδικό του στυλ επικοινωνίας (για παράδειγμα, τα αστεία του, την γρήγορη σαρκασμό του, τις эмоции του).

Ο Βρετανός ρομποτικός Dr. Peter Scott-Morgan, ο οποίος πάσχει από νόσο του κινητικού νευρώνα, άρχισε το 2019 να υποβληθεί σε μια σειρά χειρουργείων για να παρατείνει τη ζωή του χρησιμοποιώντας τεχνολογία. (Credit: Cardiff Productions)

Μπορείτε να συζητήσετε κάποια από τις τεχνολογίες που χρησιμοποιούνται τώρα για να βοηθήσουν τον Dr. Peter Scott-Morgan;

Ο Peter χρησιμοποιεί το ACAT (Εργαλείο Βοήθειας Περιεχομένου), την πλατφόρμα που κατασκευάσαμε κατά τη δουλειά μας με τον Dr. Hawking και αργότερα κυκλοφόρησε με ανοιχτό κώδικα. Αντιθέτως, ο Dr. Hawking χρησιμοποιούσε τους μυς στο μάγουλο του ως “εμπρόθετο ερέθισμα” για να ελέγξει τα γράμματα στην οθόνη του, ο Peter χρησιμοποιεί έλεγχο βλέμματος (μια ικανότητα που προσθέσαμε στην υπάρχουσα ACAT) για να μιλήσει και να ελέγξει τον υπολογιστή του, ο οποίος διασυνδέεται με μια λύση Κειμένου-προς-Ομιλία από μια εταιρεία που ονομάζεται CereProc που ήταν εξατομικευμένη για αυτόν και του επιτρέπει να εκφράσει διαφορετικές эмоции/ένταση. Το σύστημα ελέγχει επίσης ένα avatar που ήταν εξατομικευμένο για αυτόν.

Εργαζόμαστε τώρα σε ένα σύστημα γεννήτριας απάντησης για το ACAT που θα επιτρέψει στον Peter να αλληλεπιδράσει με το σύστημα σε υψηλότερο επίπεδο χρησιμοποιώντας ικανότητες Τεχνητής Νοημοσύνης. Αυτό το σύστημα θα ακούσει τις συνομιλίες του Peter με την πάροδο του χρόνου και θα προτείνει απαντήσεις για τον Peter να επιλέξει στην οθόνη. Ο στόχος είναι ότι με την πάροδο του χρόνου το σύστημα Τεχνητής Νοημοσύνης θα μάθει από τα δεδομένα του Peter και θα του επιτρέψει να “παρέμβει” στο σύστημα για να παρέχει τις καλύτερες απαντήσεις χρησιμοποιώντας μόνο κάποια κλειδιά (παρόμοια με το πώς λειτουργούν οι αναζητήσεις στο διαδίκτυο σήμερα). Ο στόχος μας με το σύστημα γεννήτριας απάντησης είναι να μειώσουμε το χάσμα σιωπής στην επικοινωνία που αναφέρθηκε παραπάνω και να ενδυναμώσουμε τον Peter και τους μελλοντικούς χρήστες του ACAT να επικοινωνούν με ρυθμό που feels πιο “φυσικός”.

Έχετε μιλήσει επίσης για τη σημασία της διαφάνειας στην Τεχνητή Νοημοσύνη, πόσο μεγάλο είναι αυτό το ζήτημα;

Είναι ένα μεγάλο ζήτημα, ιδιαίτερα όταν αναπτύσσεται σε συστήματα λήψης αποφάσεων ή συστήματα συνεργασίας Ανθρώπου-Τεχνητής Νοημοσύνης. Για παράδειγμα, στην περίπτωση του συστήματος βοήθειας του Peter, χρειαζόμαστε να κατανοήσουμε τι προκαλεί το σύστημα να κάνει αυτές τις προτάσεις και πώς να επηρεάσουμε τη μάθηση αυτού του συστήματος για να εκφράσει πιο ακριβώς τις ιδέες του.

Σε μεγαλύτερο контέκστ, τα συστήματα Τεχνητής Νοημοσύνης χρειάζεται να παρέχουν ανθρώπινα ερμηνεύσιμη πληροφορία για το πώς έφτασαν σε αυτές τις αποφάσεις, ποια χαρακτηριστικά ή ιδιότητες είχαν την μεγαλύτερη επίδραση σε αυτήν την απόφαση, ποια εμπιστοσύνη έχει το σύστημα στην εικασία που έγινε, κ.λπ. Αυτό αυξάνει την εμπιστοσύνη στα συστήματα Τεχνητής Νοημοσύνης και επιτρέπει καλύτερη συνεργασία μεταξύ ανθρώπων και Τεχνητής Νοημοσύνης σε μεικτά σενάρια λήψης αποφάσεων.

Η προκατάληψη της Τεχνητής Νοημοσύνης, ιδιαίτερα όταν πρόκειται για ρατσισμό και σεξισμό, είναι ένα τεράστιο ζήτημα, αλλά πώς να αναγνωρίσετε άλλους τύπους προκατάληψης όταν δεν έχετε ιδέα ποια προκατάληψη ψάχνετε;

Είναι ένα πολύ δύσκολο πρόβλημα και ένα που δεν μπορεί να λυθεί μόνο με τεχνολογία. Χρειαζόμαστε να φέρουμε περισσότερη ποικιλία στην ανάπτυξη συστημάτων Τεχνητής Νοημοσύνης (φυλετική, φυλική, πολιτισμική, σωματική ικανότητα, κ.λπ.). Αυτό είναι σαφώς ένα τεράστιο κενό στο πληθυσμό που κατασκευάζει αυτά τα συστήματα Τεχνητής Νοημοσύνης σήμερα. Επιπλέον, είναι κρίσιμο να έχουμε διεπιστημονικές ομάδες που συμμετέχουν στην ορισμό και την ανάπτυξη αυτών των συστημάτων, φέρνοντας κοινωνικές επιστήμες, φιλοσοφία, ψυχολογία, ηθική και πολιτική στο τραπέζι (όχι μόνο επιστήμη υπολογιστών), και να συμμετέχουν στη διαδικασία ερωτήσεων στο контέκστ του συγκεκριμένου έργου και των προβλημάτων.

Έχετε μιλήσει trước για τη χρήση Τεχνητής Νοημοσύνης για την ενίσχυση του ανθρώπινου δυναμικού. Ποια είναι κάποια από τις περιοχές που δείχνουν την περισσότερη υποσχόμενη για αυτήν την ενίσχυση του ανθρώπινου δυναμικού;

Μια φανερή περιοχή είναι η ενδυνάμωση ατόμων με αναπηρίες να ζουν πιο ανεξάρτητα, να επικοινωνούν με αγαπημένα πρόσωπα και να συνεχίζουν να δημιουργούν και να συμβάλλουν στην κοινωνία. Βλέπω μεγάλο δυναμικό στην εκπαίδευση, στην κατανόηση της συμμετοχής των μαθητών και στην προσωποποίηση της εμπειρίας μάθησης στις ατομικές ανάγκες και ικανότητες του μαθητή για να βελτιώσει την συμμετοχή, να ενδυναμώσει τους δασκάλους με αυτήν την γνώση και να βελτιώσει τα αποτελέσματα μάθησης. Η ανισότητα στην εκπαίδευση σήμερα είναι τόσο βαθιά και υπάρχει χώρος για την Τεχνητή Νοημοσύνη να βοηθήσει να μειώσει κάποια από αυτήν την ανισότητα αν το κάνουμε σωστά. Υπάρχουν ατελείωτες ευκαιρίες για την Τεχνητή Νοημοσύνη να φέρει πολλή αξία με τη δημιουργία συστημάτων συνεργασίας Ανθρώπου-Τεχνητής Νοημοσύνης σε πολλούς τομείς (υγεία, κατασκευή, κ.λπ.) γιατί αυτό που οι άνθρωποι και η Τεχνητή Νοημοσύνη φέρνουν στο τραπέζι είναι πολύ συμπληρωματικά. Για να συμβεί αυτό, χρειαζόμαστε καινοτομία στο交汇 της κοινωνικής επιστήμης, της ανθρώπινης-υπολογιστικής 상호δράσης και της Τεχνητής Νοημοσύνης. Ασφαλής πολυ-τροπική αντίληψη, контέκστ-ευαισθησία, μάθηση από περιορισμένα δεδομένα, φυσικά τοποθετημένη ανθρώπινη-υπολογιστική 상호δράση και ερμηνευσιμότητα είναι κάποια από τις κλειδιά προκλήσεις που χρειαζόμαστε να εστιάσουμε για να φέρουμε αυτήν την όραση στην πραγματικότητα.

Έχετε μιλήσει επίσης για το πόσο σημαντική είναι η αναγνώριση συναισθήματος για το μέλλον της Τεχνητής Νοημοσύνης; Γιατί πρέπει η βιομηχανία Τεχνητής Νοημοσύνης να εστιάσει περισσότερο σε αυτήν την περιοχή έρευνας;

Η αναγνώριση συναισθήματος είναι μια κλειδί ικανότητα συστημάτων Ανθρώπου-Τεχνητής Νοημοσύνης για πολλά λόγους. Ένας από τους λόγους είναι ότι το ανθρώπινο συνάισθημα προσφέρει κλειδί ανθρώπινο контέκστ για οποιοδήποτε προδραστικό σύστημα να κατανοήσει πριν να ενεργήσει.

Περισσότερο σημαντικά, αυτά τα συστήματα χρειάζεται να συνεχίσουν να μαθαίνουν στο άγριο και να προσαρμόζονται με βάση τις αλληλεπιδράσεις με τους χρήστες, και ενώ η άμεση ανατροφοδότηση είναι ένα κλειδί σήμα για μάθηση, τα έμμεσα σήματα είναι πολύ σημαντικά και είναι δωρεάν (λιγότερο έργο για τον χρήστη). Για παράδειγμα, ένας ψηφιακός βοηθός μπορεί να μάθει πολλά από την εκνευρισμό στη φωνή του χρήστη και να το χρησιμοποιήσει ως σήμα ανατροφοδότησης για μάθηση τι να κάνει στο μέλλον, αντί να ζητήσει από τον χρήστη ανατροφοδότηση κάθε φορά. Αυτή η πληροφορία μπορεί να χρησιμοποιηθεί για ενεργά συστήματα μάθησης Τεχνητής Νοημοσύνης για να συνεχίσουν να βελτιώνονται με την πάροδο του χρόνου.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με το τι εργάζεστε στο Εργαστήριο Προσδοκίας Υπολογιστών ή άλλα ζητήματα που abbiamo συζητήσει;

Όταν κατασκευάζουμε συστήματα βοήθειας, πραγματικά χρειαζόμαστε να σκεφτόμαστε πώς να τα κατασκευάσουμε με ευθύνη και πώς να ενδυναμώσουμε τους ανθρώπους να κατανοήσουν τι πληροφορία συλλέγεται και πώς να ελέγχουν αυτά τα συστήματα με πρακτικό τρόπο. Jako ερευνητές Τεχνητής Νοημοσύνης, συχνά είμαστε μαγευμένοι από τα δεδομένα και θέλουμε να έχουμε όσο το δυνατόν περισσότερα δεδομένα για να βελτιώσουμε αυτά τα συστήματα, ωστόσο, υπάρχει μια ανταλλαγή μεταξύ του τύπου και του ποσού των δεδομένων που θέλουμε και της ιδιωτικής ζωής του χρήστη. Χρειαζόμαστε πραγματικά να περιορίσουμε τα δεδομένα που συλλέγουμε σε αυτά που είναι απολύτως απαραίτητα για την εκτέλεση της εικασίας εργασίας, να κάνουμε τους χρήστες ενήμερους για ακριβώς ποια δεδομένα συλλέγουμε και να τους επιτρέψουμε να ρυθμίσουν αυτήν την ανταλλαγή με σημαντικούς και χρηστικούς τρόπους.

Ευχαριστώ για τη φανταστική συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα για αυτό το έργο πρέπει να διαβάσουν το άρθρο Intel’s Lama Nachman and Peter Scott-Morgan: Two Scientists, One a ‘Human Cyborg’.

Η ομάδα του Εργαστηρίου Προσδοκίας Υπολογιστών της Intel που ανέπτυξε το Εργαλείο Βοήθειας Περιεχομένου περιλαμβάνει (από αριστερά) Alex Nguyen, Sangita Sharma, Max Pinaroc, Sai Prasad, Lama Nachman και Pete Denman. Δεν απεικονίζονται οι Bruna Girvent, Saurav Sahay και Shachi Kumar. (Credit: Lama Nachman)