ກ້ານໃບ ນັກຄົ້ນຄວ້າພັດທະນາກອບເພື່ອໃຫ້ຫຸ່ນຍົນທັກສະສັງຄົມ - Unite.AI
ເຊື່ອມຕໍ່ກັບພວກເຮົາ

ຫຸ່ນຍົນ

ນັກຄົ້ນຄວ້າພັດທະນາກອບເພື່ອໃຫ້ຫຸ່ນຍົນທັກສະສັງຄົມ

ຈັດພີມມາ

 on

ຮູບພາບ: MIT

ນັກຄົ້ນຄວ້າຢູ່ສະຖາບັນເທັກໂນໂລຍີລັດ Massachusetts (MIT) ໄດ້ພັດທະນາໂຄງຮ່າງການຄວບຄຸມເພື່ອໃຫ້ຫຸ່ນຍົນມີທັກສະທາງດ້ານສັງຄົມ. ກອບດັ່ງກ່າວເຮັດໃຫ້ເຄື່ອງຈັກເຂົ້າໃຈວ່າມັນຫມາຍຄວາມວ່າແນວໃດເພື່ອຊ່ວຍຫຼືຂັດຂວາງເຊິ່ງກັນແລະກັນ, ເຊັ່ນດຽວກັນກັບການຮຽນຮູ້ການປະຕິບັດພຶດຕິກໍາທາງສັງຄົມດ້ວຍຕົນເອງ. 

ຫຸ່ນຍົນເບິ່ງຄູ່ຂອງຕົນຢູ່ໃນສະພາບແວດລ້ອມຈໍາລອງກ່ອນທີ່ຈະຄາດເດົາວ່າວຽກໃດທີ່ມັນຕ້ອງການໃຫ້ສໍາເລັດ. ຫຼັງຈາກນັ້ນ, ມັນຊ່ວຍຫຼືຂັດຂວາງຫຸ່ນຍົນອື່ນໆໂດຍອີງໃສ່ເປົ້າຫມາຍຂອງຕົນເອງ. 

ນັກຄົ້ນຄວ້າຍັງໄດ້ສະແດງໃຫ້ເຫັນວ່າຕົວແບບຂອງພວກເຂົາສ້າງການພົວພັນທາງດ້ານສັງຄົມທີ່ແທ້ຈິງແລະຄາດເດົາໄດ້. ເມື່ອຜູ້ຊົມຂອງມະນຸດໄດ້ສະແດງວິດີໂອຂອງຫຸ່ນຍົນຈໍາລອງທີ່ພົວພັນກັບກັນແລະກັນ, ເຂົາເຈົ້າຕົກລົງກັບຕົວແບບກ່ຽວກັບພຶດຕິກໍາທາງສັງຄົມທີ່ເກີດຂຶ້ນ.

ໂດຍການເຮັດໃຫ້ຫຸ່ນຍົນສາມາດສະແດງທັກສະທາງສັງຄົມ, ພວກເຮົາສາມາດບັນລຸການໂຕ້ຕອບຂອງມະນຸດກັບຫຸ່ນຍົນໃນທາງບວກຫຼາຍຂຶ້ນ. ຮູບແບບໃຫມ່ຍັງສາມາດເຮັດໃຫ້ນັກວິທະຍາສາດສາມາດວັດແທກການພົວພັນທາງສັງຄົມໃນປະລິມານ. 

Boris Katz ເປັນນັກວິທະຍາສາດການຄົ້ນຄວ້າຫຼັກ ແລະເປັນຫົວຫນ້າກຸ່ມ InfoLab ໃນຫ້ອງທົດລອງວິທະຍາສາດຄອມພິວເຕີ ແລະປັນຍາປະດິດ (CSAIL), ເຊັ່ນດຽວກັນກັບສະມາຊິກຂອງສູນສະຫມອງ, ຈິດໃຈ, ແລະເຄື່ອງຈັກ (CBMM). 

"ຫຸ່ນຍົນຈະອາໄສຢູ່ໃນໂລກຂອງພວກເຮົາໃນໄວໆນີ້ແລະພວກເຂົາຕ້ອງການຮຽນຮູ້ວິທີການສື່ສານກັບພວກເຮົາກ່ຽວກັບມະນຸດ. ພວກເຂົາເຈົ້າຈໍາເປັນຕ້ອງເຂົ້າໃຈໃນເວລາທີ່ມັນເປັນເວລາສໍາລັບພວກເຂົາທີ່ຈະຊ່ວຍແລະໃນເວລາທີ່ມັນເປັນເວລາສໍາລັບພວກເຂົາເພື່ອເບິ່ງວ່າພວກເຂົາສາມາດເຮັດແນວໃດເພື່ອປ້ອງກັນບໍ່ໃຫ້ບາງສິ່ງບາງຢ່າງເກີດຂຶ້ນ. ນີ້ແມ່ນວຽກທີ່ໄວທີ່ສຸດ ແລະພວກເຮົາບໍ່ຄ່ອຍໄດ້ຂູດພື້ນຜິວ, ແຕ່ຂ້ອຍຮູ້ສຶກວ່ານີ້ເປັນຄວາມພະຍາຍາມຄັ້ງທຳອິດທີ່ຈິງຈັງໃນການເຂົ້າໃຈຄວາມໝາຍຂອງມະນຸດ ແລະເຄື່ອງຈັກໃນການພົວພັນກັບສັງຄົມ,” Katz ເວົ້າ.

ໄດ້ ການຄົ້ນຄວ້າ ຍັງໄດ້ລວມເອົາຜູ້ຂຽນຮ່ວມກັນ Ravi Tejwani, ຜູ້ຊ່ວຍການຄົ້ນຄວ້າຂອງ CSAIL; ຜູ້ຂຽນຮ່ວມ, Yen-Ling Kuo, ນັກສຶກສາປະລິນຍາເອກ CSAIL; Tianmin Shu, ເປັນ postdoc ໃນພະແນກວິທະຍາສາດສະຫມອງແລະມັນສະຫມອງ; ແລະຜູ້ຂຽນອາວຸໂສ Andrei Barbu, ນັກຄົ້ນຄວ້າວິທະຍາສາດຂອງ CSAIL. 

ການສຶກສາການພົວພັນກັບສັງຄົມ

ນັກຄົ້ນຄວ້າໄດ້ສ້າງສະພາບແວດລ້ອມຈໍາລອງທີ່ຫຸ່ນຍົນດໍາເນີນການຕາມເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍແລະສັງຄົມໃນຂະນະທີ່ພວກເຂົານໍາທາງອ້ອມຕາຂ່າຍສອງມິຕິ, ເຊິ່ງເຮັດໃຫ້ທີມງານສາມາດສຶກສາການພົວພັນທາງສັງຄົມ.

ຫຸ່ນຍົນໄດ້ຮັບເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍແລະສັງຄົມ. ເປົ້າໝາຍທາງກາຍະພາບກ່ຽວຂ້ອງກັບສະພາບແວດລ້ອມ, ໃນຂະນະທີ່ເປົ້າໝາຍທາງສັງຄົມອາດເປັນຄືກັບຫຸ່ນຍົນທີ່ຄາດເດົາວ່າຄົນອື່ນກຳລັງພະຍາຍາມເຮັດຫຍັງກ່ອນທີ່ຈະອີງໃສ່ການກະທຳຂອງຕົນເອງໃນການຄາດຄະເນນັ້ນ. 

ຮູບແບບດັ່ງກ່າວຖືກນໍາໃຊ້ເພື່ອລະບຸວ່າເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍຂອງຫຸ່ນຍົນແມ່ນຫຍັງ, ເປົ້າຫມາຍສັງຄົມຂອງມັນແມ່ນຫຍັງ, ແລະການເນັ້ນຫນັກໃສ່ຫຼາຍຄວນໃສ່ກັບອີກດ້ານຫນຶ່ງ. ຖ້າຫຸ່ນຍົນເຮັດສໍາເລັດການກະທໍາທີ່ເຮັດໃຫ້ມັນໃກ້ຊິດກັບເປົ້າຫມາຍຂອງມັນ, ມັນຈະເປັນລາງວັນ. ຖ້າຫຸ່ນຍົນພະຍາຍາມຊ່ວຍຄູ່ຂອງຕົນ, ມັນຈະປັບລາງວັນໃຫ້ກົງກັບຂອງຄົນອື່ນ. ຖ້າຫຸ່ນຍົນພະຍາຍາມຂັດຂວາງຄົນອື່ນ, ມັນຈະປັບລາງວັນຕາມຄວາມເຫມາະສົມ. ສູດການຄິດໄລ່ຕັດສິນໃຈວ່າການກະທຳໃດທີ່ຫຸ່ນຍົນຄວນເຮັດ, ແລະມັນໃຊ້ລະບົບລາງວັນເພື່ອແນະນຳໃຫ້ມັນປະຕິບັດເປົ້າໝາຍທາງກາຍ ແລະສັງຄົມ.

"ພວກເຮົາໄດ້ເປີດກອບຄະນິດສາດໃຫມ່ສໍາລັບວິທີທີ່ເຈົ້າສ້າງແບບຈໍາລອງການພົວພັນທາງສັງຄົມລະຫວ່າງສອງຕົວແທນ. ຖ້າທ່ານເປັນຫຸ່ນຍົນ, ແລະທ່ານຕ້ອງການໄປຫາສະຖານທີ່ X, ແລະຂ້ອຍເປັນຫຸ່ນຍົນອີກຄົນຫນຶ່ງແລະຂ້ອຍເຫັນວ່າເຈົ້າກໍາລັງພະຍາຍາມໄປຫາສະຖານທີ່ X, ຂ້ອຍສາມາດຮ່ວມມືໂດຍຊ່ວຍໃຫ້ທ່ານໄປຫາສະຖານທີ່ X ໄດ້ໄວຂຶ້ນ. ນັ້ນອາດຈະຫມາຍຄວາມວ່າການຍ້າຍ X ເຂົ້າມາໃກ້ທ່ານ, ຊອກຫາ X ອື່ນທີ່ດີກວ່າ, ຫຼືການດໍາເນີນການໃດກໍ່ຕາມທີ່ທ່ານຕ້ອງເຮັດໃນ X. ການສ້າງຂອງພວກເຮົາອະນຸຍາດໃຫ້ແຜນການຄົ້ນພົບ 'ວິທີການ'; ພວກເຮົາລະບຸ 'ສິ່ງທີ່' ໃນແງ່ຂອງການພົວພັນທາງສັງຄົມຫມາຍຄວາມວ່າແນວໃດທາງຄະນິດສາດ,” Tejwani ເວົ້າ.

ນັກຄົ້ນຄວ້າໃຊ້ກອບຄະນິດສາດເພື່ອກໍານົດສາມປະເພດຂອງຫຸ່ນຍົນ. ຫຸ່ນຍົນລະດັບ 0 ມີພຽງແຕ່ເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍ, ໃນຂະນະທີ່ຫຸ່ນຍົນລະດັບ 1 ມີທັງເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍແລະສັງຄົມ, ແຕ່ສົມມຸດວ່າຄົນອື່ນທັງຫມົດມີພຽງແຕ່ເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍ. ນີ້ຫມາຍຄວາມວ່າຫຸ່ນຍົນລະດັບ 1 ດໍາເນີນການໂດຍອີງໃສ່ເປົ້າຫມາຍທາງດ້ານຮ່າງກາຍຂອງຄົນອື່ນ, ເຊັ່ນ: ການຊ່ວຍເຫຼືອຫຼືຂັດຂວາງ. ຫຸ່ນຍົນລະດັບ 2 ຖືວ່າຄົນອື່ນມີເປົ້າໝາຍທາງດ້ານສັງຄົມ ແລະທາງດ້ານຮ່າງກາຍ, ແລະຫຸ່ນຍົນເຫຼົ່ານີ້ສາມາດປະຕິບັດການທີ່ຊັບຊ້ອນກວ່າ. 

ການທົດສອບຕົວແບບ

ນັກຄົ້ນຄວ້າໄດ້ພົບເຫັນວ່າຕົວແບບຂອງພວກເຂົາຕົກລົງກັບສິ່ງທີ່ມະນຸດຄິດກ່ຽວກັບການພົວພັນທາງສັງຄົມທີ່ເກີດຂື້ນໃນແຕ່ລະກອບ. 

"ພວກເຮົາມີຄວາມສົນໃຈໃນໄລຍະຍາວນີ້, ທັງການສ້າງແບບຈໍາລອງການຄິດໄລ່ສໍາລັບຫຸ່ນຍົນ, ແຕ່ຍັງຈະຂຸດລົງເລິກເຂົ້າໄປໃນລັກສະນະຂອງມະນຸດໃນເລື່ອງນີ້. ພວກເຮົາຕ້ອງການຊອກຫາຄຸນສົມບັດຈາກວິດີໂອເຫຼົ່ານີ້ທີ່ມະນຸດໃຊ້ເພື່ອເຂົ້າໃຈການພົວພັນທາງສັງຄົມ. ພວກເຮົາສາມາດເຮັດການທົດສອບຈຸດປະສົງສໍາລັບຄວາມສາມາດຂອງທ່ານທີ່ຈະຮັບຮູ້ການພົວພັນທາງສັງຄົມ? ບາງທີອາດມີວິທີທີ່ຈະສອນຄົນໃຫ້ຮັບຮູ້ການພົວພັນທາງສັງຄົມເຫຼົ່ານີ້ ແລະປັບປຸງຄວາມສາມາດຂອງເຂົາເຈົ້າ. ພວກເຮົາຢູ່ໄກຈາກນີ້, ແຕ່ເຖິງແມ່ນວ່າພຽງແຕ່ສາມາດວັດແທກການພົວພັນທາງສັງຄົມຢ່າງມີປະສິດທິພາບກໍ່ເປັນບາດກ້າວອັນໃຫຍ່ຫຼວງ,” Barbu ເວົ້າ.

ຕອນນີ້ທີມງານກຳລັງເຮັດວຽກໃນການພັດທະນາລະບົບທີ່ມີຕົວແທນ 3D ໃນສະພາບແວດລ້ອມທີ່ອະນຸຍາດໃຫ້ມີການໂຕ້ຕອບຫຼາຍຂຶ້ນ. ພວກເຂົາຍັງຕ້ອງການດັດແປງຕົວແບບເພື່ອລວມເອົາສະພາບແວດລ້ອມທີ່ການປະຕິບັດສາມາດລົ້ມເຫລວ, ແລະພວກເຂົາວາງແຜນທີ່ຈະລວມເອົາຕົວວາງແຜນຫຸ່ນຍົນທີ່ໃຊ້ເຄືອຂ່າຍ neural ເຂົ້າໄປໃນຕົວແບບ. ສຸດທ້າຍ, ພວກເຂົາຈະຊອກຫາການທົດລອງເພື່ອເກັບກໍາຂໍ້ມູນກ່ຽວກັບຄຸນນະສົມບັດທີ່ມະນຸດໃຊ້ເພື່ອກໍານົດວ່າຫຸ່ນຍົນສອງຕົວມີສ່ວນຮ່ວມໃນການພົວພັນທາງສັງຄົມ.

 

Alex McFarland ເປັນນັກຂ່າວ AI ແລະນັກຂຽນທີ່ຄົ້ນຫາການພັດທະນາຫລ້າສຸດໃນປັນຍາປະດິດ. ລາວໄດ້ຮ່ວມມືກັບ AI startups ແລະສິ່ງພິມຕ່າງໆໃນທົ່ວໂລກ.