ลามา นัคแมน ผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ และผู้อำนวยการ Anticipatory Computing Lab – สัมภาษณ์แบบซีรีส์

ลามา นัคแมน เป็นผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ และผู้อำนวยการ Anticipatory Computing Lab ของ Intel (INTC ) ลามาเป็นที่รู้จักอย่างดีในงานของเธอในการช่วยเหลือศาสตราจารย์ Stephen Hawking ในการสร้างระบบคอมพิวเตอร์ช่วยเหลือเพื่อช่วยให้เขาสามารถสื่อสารได้ ในปัจจุบันเธอช่วยเหลือ Dr. Peter Scott-Morgan นักหุ่นยนต์ชาวอังกฤษในการสื่อสาร ในปี 2017 Dr. Peter Scott-Morgan ได้รับการวินิจฉัยว่าเป็นโรค motor neurone disease (MND) หรือที่รู้จักกันในชื่อ ALS หรือ Lou Gehrig’s disease โรค MND จะโจมตีสมองและเส้นประสาทและทำให้กล้ามเนื้อ麻痹ทั้งหมด รวมทั้งกล้ามเนื้อที่ช่วยให้เราสามารถหายใจและกลืนได้

Dr. Peter Scott-Morgan ได้กล่าวไว้ว่า “ฉันจะ继续พัฒนา ตายเป็นมนุษย์ และมีชีวิตเป็นไซบอร์ก”

อะไรที่ดึงดูดคุณให้เข้าสู่โลกของ AI?

ฉันถูกดึงดูดโดยความคิดที่ว่าเทคโนโลยีสามารถเป็นเครื่องมือที่ช่วยให้ทุกคนมีโอกาสเท่าเทียมกัน เมื่อพัฒนาเทคโนโลยีเหล่านี้อย่างรับผิดชอบ มันจะมีศักยภาพในการสร้างความเท่าเทียมกันทางสังคม และเพิ่มขีดความสามารถของมนุษย์ ไม่มีที่ไหนที่เป็นจริงไปกว่าในด้าน AI ในขณะที่อุตสาหกรรมส่วนใหญ่พูดถึง AI และมนุษย์เป็นคู่แข่ง ฉันเชื่อว่ามีสิ่งที่เป็นเอกลักษณ์ของเครื่องจักรและมนุษย์ที่ดี ฉันจึงมองโลกในแง่ของการทำงานร่วมกันระหว่างมนุษย์และ AI มากกว่าการแข่งขันกัน ฉันเป็นผู้นำทีม Anticipatory Computing Lab ที่ Intel Labs ซึ่งเรามีจุดมุ่งหมายเดียวคือการนำนวัตกรรมด้านการคำนวณมาใช้เพื่อสร้างผลกระทบต่อสังคมในวงกว้าง เมื่อพิจารณาว่า AI已经 มีบทบาทสำคัญในหลายๆ ด้านของชีวิตและจะเติบโตอย่างต่อเนื่องในอนาคต ฉันเห็นโอกาสที่ยิ่งใหญ่ในการวิจัยของทีมฉันในการทำให้ AI มีความเข้าถึงได้ง่ายขึ้น มีความตระหนักรู้มากขึ้น และมีความรับผิดชอบมากขึ้น และสุดท้ายก็จะนำเทคโนโลยีเหล่านี้มาใช้เพื่อช่วยเหลือผู้คนในโลกแห่งความเป็นจริง

คุณได้ทำงานอย่างใกล้ชิดกับศาสตราจารย์ Stephen Hawking ในการสร้างระบบ AI ที่ช่วยเหลือเขาในการสื่อสารและทำงานที่เราทำกันประจำวัน สิ่งเหล่านี้คืออะไร?

การทำงานกับศาสตราจารย์ Stephen Hawking เป็นงานที่มีความหมายและท้าทายที่สุดในชีวิตของฉัน มันทำให้ฉันรู้สึกว่าเทคโนโลยีสามารถเปลี่ยนแปลงชีวิตของผู้คนได้อย่างไร เขาเป็นโรค ALS ซึ่งเป็นโรคที่ทำลายสมองและเส้นประสาทและทำให้กล้ามเนื้อ麻痹ทั้งหมด ในปี 2011 เราเริ่มทำงานกับเขาเพื่อปรับปรุงระบบคอมพิวเตอร์ช่วยเหลือที่ทำให้เขาสามารถสื่อสารกับโลกได้ นอกจากการใช้คอมพิวเตอร์ในการสื่อสารแล้ว Stephen ยังใช้คอมพิวเตอร์ในการทำงานอื่นๆ เช่น การแก้ไขเอกสาร การท่องเว็บ การให้คำบรรยาย การอ่าน/เขียนอีเมล 등 เทคโนโลยีช่วยให้ Stephen สามารถมีส่วนร่วมและสร้างแรงบันดาลใจให้กับโลกได้หลายปีหลังจากที่ความสามารถทางกายภาพของเขาเสื่อมลงอย่างรวดเร็ว สิ่งนี้ทำให้ฉันเห็นถึงผลกระทบของเทคโนโลยีที่มีต่อชีวิตของผู้คน

คุณได้เรียนรู้อะไรบ้างจากประสบการณ์การทำงานกับศาสตราจารย์ Stephen Hawking?

หน้าจอของคอมพิวเตอร์เป็นประตูสู่โลกของเรา หากผู้คนสามารถควบคุมคอมพิวเตอร์ของตนได้ พวกเขาก็สามารถควบคุมทุกด้านของชีวิตได้ (การบริโภคเนื้อหาการเข้าถึงโลกดิจิทัล การควบคุมสภาพแวดล้อม การเดินรถเข็น ฯลฯ) สำหรับผู้ที่มีความพิการที่ยังสามารถพูดได้ การพัฒนาการรู้จำเสียงจะช่วยให้พวกเขามีการควบคุมอุปกรณ์ของตนได้อย่างเต็มที่ (และในระดับหนึ่ง การควบคุมสภาพแวดล้อมทางกายภาพ) แต่สำหรับผู้ที่ไม่สามารถพูดหรือเคลื่อนไหวได้ พวกเขาจะถูกขัดขวางไม่ให้สามารถมีอิสระได้ สิ่งที่ประสบการณ์กับศาสตราจารย์ Hawking สอนฉันคือแพลตฟอร์มเทคโนโลยีช่วยเหลือต้องถูกปรับให้เหมาะสมกับความต้องการเฉพาะบุคคลของผู้ใช้ ตัวอย่างเช่น เราไม่สามารถถือว่าวิธีแก้ปัญหาเดียวจะทำงานสำหรับผู้ที่มีโรค ALS ได้ เนื่องจากโรคจะส่งผลต่อความสามารถที่แตกต่างกันในผู้ป่วยแต่ละคน ดังนั้นเราจึงสร้าง ACAT (Assistive Context Aware Toolkit) ซึ่งเป็นแพลตฟอร์มซอฟต์แวร์แบบเปิดที่ช่วยให้นักพัฒนาสามารถสร้างความสามารถที่แตกต่างกันบนพื้นฐานของมัน

ฉันยังได้เรียนรู้ว่ามันสำคัญที่จะเข้าใจขีดจำกัดความสบายใจของผู้ใช้ในการให้ความควบคุมในการแลกเปลี่ยนกับความมีประสิทธิภาพ (สิ่งนี้ไม่จำกัดเฉพาะผู้ที่มีความพิการ) ตัวอย่างเช่น AI อาจสามารถรับควบคุมการทำงานบางอย่างจากผู้ใช้เพื่อทำงานได้เร็วขึ้นหรือมีประสิทธิภาพมากขึ้น แต่ผู้ใช้ทุกคนมีระดับความเสี่ยงต่อการให้ความควบคุมที่แตกต่างกัน บางคนยินดีที่จะให้ความควบคุมมากขึ้น ในขณะที่ผู้ใช้อื่นๆ ต้องการที่จะรักษาความควบคุมให้มากขึ้น การทำความเข้าใจขีดจำกัดเหล่านี้และวิธีการที่ผู้คนยินดีที่จะไปมีผลกระทบอย่างมากต่อการออกแบบระบบเหล่านี้

คุณได้ทำงานกับ Dr. Peter Scott-Morgan นักหุ่นยนต์ชาวอังกฤษที่เป็นโรค motor neuron disease และมีเป้าหมายที่จะเป็นไซบอร์กคนแรกของโลก สิ่งเหล่านี้คือเป้าหมายที่ทะเยอทะยานของ Dr. Peter?

หนึ่งในประเด็นที่เกิดขึ้นกับ AAC (Assistive and Augmentative communication) คือ “ช่องว่างแห่งความเงียบ” ผู้ที่มีโรค ALS (รวมทั้ง Dr. Peter) ใช้การควบคุมด้วยสายตาที่จะเลือกตัวอักษร/คำบนหน้าจอเพื่อพูดคุยกับผู้อื่น สิ่งนี้ทำให้เกิดช่องว่างแห่งความเงียบหลังจากที่ผู้พูดจบประโยค ในขณะที่ผู้ฟังกำลังใช้การควบคุมด้วยสายตาเพื่อสร้างคำและประโยคเพื่อตอบกลับ Dr. Peter ต้องการที่จะลดช่องว่างแห่งความเงียบให้เหลือน้อยที่สุดเพื่อนำความ tự nhiênกลับมาในการสื่อสาร เขายังต้องการที่จะรักษาความเป็นตัวของตัวเองและใช้ระบบข้อความเป็นเสียงที่แสดงถึงรูปแบบการสื่อสารที่เป็นเอกลักษณ์ของเขา (เช่น การพูดด้วยน้ำเสียง การตอบสนองอย่างรวดเร็ว การแสดงอารมณ์)

Dr. Peter Scott-Morgan นักหุ่นยนต์ชาวอังกฤษที่เป็นโรค motor neuron disease เริ่มทำการผ่าตัดต่างๆ ในปี 2019 เพื่อขยายชีวิตของเขาโดยใช้เทคโนโลยี (เครดิต: Cardiff Productions)

คุณสามารถพูดถึงเทคโนโลยีบางอย่างที่ใช้ในการช่วยเหลือ Dr. Peter Scott-Morgan ได้หรือไม่?

Dr. Peter ใช้ ACAT (Assistive Context Aware Toolkit) ซึ่งเป็นแพลตฟอร์มที่เราสร้างขึ้นระหว่างที่เราทำงานกับ Dr. Hawking และปล่อยออกมาเป็นโอเพ่นซอร์ส ไม่เหมือนกับ Dr. Hawking ที่ใช้กล้ามเนื้อในแก้มของเขาเป็น “กุญแจการควบคุม” เพื่อควบคุมตัวอักษรบนหน้าจอ Dr. Peter ใช้การควบคุมด้วยสายตา (ความสามารถที่เราบวกเข้ากับ ACAT ที่มีอยู่) เพื่อพูดคุยกับและควบคุมคอมพิวเตอร์ของเขา ซึ่งเชื่อมต่อกับระบบข้อความเป็นเสียงจากบริษัท CereProc ที่ถูกปรับให้เหมาะสมสำหรับเขาและช่วยให้เขาสามารถแสดงอารมณ์และการเน้นย้ำที่แตกต่างกัน ระบบยังควบคุมอวตารที่ถูกปรับให้เหมาะสมสำหรับเขา

เรากำลังทำงานในระบบการสร้างคำตอบสำหรับ ACAT ที่จะช่วยให้ Dr. Peter สามารถโต้ตอบกับระบบได้ในระดับที่สูงขึ้นโดยใช้ความสามารถของ AI ระบบจะฟังการสนทนาของ Dr. Peter ในช่วงเวลาหนึ่งและแนะนำคำตอบให้เขาเลือกบนหน้าจอ เป้าหมายคือให้ระบบ AI เรียนรู้จากข้อมูลของ Dr. Peter และช่วยให้เขาสามารถ “กระตุ้น” ระบบให้ให้คำตอบที่ดีที่สุดโดยใช้เพียงบางคำ (คล้ายกับการค้นหาในเว็บในปัจจุบัน) เป้าหมายของเราคือการลดช่องว่างแห่งความเงียบในการสื่อสารที่กล่าวถึงข้างต้นและเพิ่มขีดความสามารถให้กับ Dr. Peter และผู้ใช้ ACAT ในอนาคตในการสื่อสารด้วยความเร็วที่รู้สึก “ธรรมชาติ” มากขึ้น

คุณได้พูดถึงความสำคัญของความโปร่งใสใน AI มาก่อนแล้ว ปัญหานี้มีขนาดใหญ่แค่ไหน?

มันเป็นปัญหาที่ใหญ่มาก โดยเฉพาะอย่างยิ่งเมื่อใช้ในระบบการตัดสินใจหรือระบบการทำงานร่วมกันระหว่างมนุษย์และ AI ตัวอย่างเช่น ในกรณีของระบบช่วยเหลือ Dr. Peter เราต้องเข้าใจว่าระบบตัดสินใจเหล่านี้เกิดขึ้นได้อย่างไรและวิธีการที่จะส่งผลต่อการเรียนรู้ของระบบนี้ ในบริบทที่กว้างขึ้นของระบบการตัดสินใจ AI ต้องให้ข้อมูลที่สามารถอธิบายได้โดยมนุษย์เกี่ยวกับวิธีการที่ระบบตัดสินใจเหล่านี้เกิดขึ้น คุณลักษณะหรือคุณสมบัติใดที่มีผลกระทบมากที่สุดต่อการตัดสินใจนั้น และความมั่นใจที่ระบบมีต่อการอนุมานที่ทำขึ้น ซึ่งจะช่วยเพิ่มความไว้วางใจในระบบ AI และช่วยให้การทำงานร่วมกันระหว่างมนุษย์และ AI ในสถานการณ์การตัดสินใจแบบผสมผสานได้ดีขึ้น

ความลำเอียงของ AI โดยเฉพาะอย่างยิ่งเมื่อมันเกี่ยวข้องกับการเลือกปฏิบัติทางเชื้อชาติและเพศเป็นปัญหาที่ใหญ่มาก แต่คุณจะระบุความลำเอียงอื่นๆ เมื่อคุณไม่รู้ว่าคุณกำลังมองหาความลำเอียงอะไร?

มันเป็นปัญหาที่ยากมากและไม่สามารถแก้ไขได้ด้วยเทคโนโลยีเพียงอย่างเดียว เราต้องนำความหลากหลายเข้ามาในการพัฒนาระบบ AI (เชื้อชาติ เพศ วัฒนธรรม ความสามารถทางกายภาพ ฯลฯ) สิ่งนี้ชัดเจนว่าเป็นช่องว่างที่ใหญ่มากในประชากรที่สร้างระบบ AI ในปัจจุบัน นอกจากนี้ยังสำคัญที่จะมีทีมที่มีความหลากหลายหลายสาขาวิชาเข้าร่วมในการกำหนดและพัฒนาระบบเหล่านี้ โดยนำวิชาสังคมศาสตร์ ปรัชญา จิตวิทยา จริยศาสตร์และนโยบายมาใช้ (ไม่ใช่แค่คอมพิวเตอร์ศาสตร์) และมีส่วนร่วมในการสืบค้นในบริบทของโครงการและปัญหาเฉพาะ

คุณได้พูดถึงการใช้ AI เพื่อเพิ่มขีดความสามารถของมนุษย์มาก่อนแล้ว สิ่งเหล่านี้คือพื้นที่ที่แสดงถึงความมั่นใจในการเพิ่มขีดความสามารถของมนุษย์?

พื้นที่ที่ชัดเจนคือการช่วยให้ผู้ที่มีความพิการสามารถมีชีวิตอิสระมากขึ้น สามารถสื่อสารกับคนรักและสามารถสร้างสรรค์ผลงานและช่วยเหลือสังคมได้ ฉันเห็นโอกาสที่ยิ่งใหญ่ในการศึกษา โดยการทำความเข้าใจการมีส่วนร่วมของนักเรียนและการปรับประสบการณ์การเรียนรู้ให้เหมาะสมกับความต้องการและความสามารถของนักเรียนแต่ละคนเพื่อปรับปรุงการมีส่วนร่วมของครูและผลลัพธ์การเรียนรู้ การไม่เท่าเทียมกันในการศึกษาวันนี้มีมาก และมีที่สำหรับ AI ที่จะช่วยลดความไม่เท่าเทียมกันบางส่วนหากเราทำมันอย่างถูกต้อง มีโอกาสที่ไม่สิ้นสุดสำหรับ AI ที่จะนำมูลค่ามาให้โดยการสร้างระบบการทำงานร่วมกันระหว่างมนุษย์และ AI ในหลายๆ สector (สุขภาพ การผลิต ฯลฯ) เพราะสิ่งที่มนุษย์และ AI นำมาสู่โต๊ะคือสิ่งที่เสริมซึ่งกันและกัน เพื่อให้สิ่งนี้เกิดขึ้น เราต้องการนวัตกรรมที่จุดตัดของสังคมศาสตร์ การโต้ตอบระหว่างมนุษย์และคอมพิวเตอร์ และ AI การรับรู้หลายรูปแบบ การตระหนักรู้บริบท การเรียนรู้จากข้อมูลที่จำกัด การโต้ตอบระหว่างมนุษย์และคอมพิวเตอร์ที่ตั้งอยู่ทางกายภาพ และความสามารถในการอธิบายได้ เป็นความท้าทายหลักที่เราต้องมุ่งเน้นเพื่อนำวิสัยทัศน์นี้มาเป็นจริง

คุณได้พูดถึงความสำคัญของการรับรู้อารมณ์สำหรับอนาคตของ AI แล้ว ทำไมอุตสาหกรรม AI ควรให้ความสนใจกับการวิจัยในพื้นที่นี้?

การรับรู้อารมณ์เป็นความสามารถหลักของระบบ AI และมนุษย์สำหรับหลายๆ สาเหตุ หนึ่งในนั้นคืออารมณ์ของมนุษย์ให้ข้อมูลบริบทที่สำคัญสำหรับระบบที่กระตือรือร้นใดๆ เพื่อทำความเข้าใจก่อนที่จะดำเนินการ ตัวอย่างเช่น ผู้ช่วยดิจิทัลสามารถเรียนรู้ได้มากจากความ沮เสียในน้ำเสียงของผู้ใช้และใช้สิ่งนี้เป็นสัญญาณการเรียนรู้เพื่อปรับปรุงสิ่งที่จะทำในอนาคต แทนที่จะขอให้ผู้ใช้ให้ข้อเสนอแนะทุกครั้ง ข้อมูลนี้สามารถใช้สำหรับระบบ AI ที่เรียนรู้อย่างต่อเนื่องเพื่อปรับปรุงต่อไป

มีสิ่งอื่นที่คุณต้องการแบ่งปันเกี่ยวกับสิ่งที่คุณกำลังทำงานอยู่ที่ Anticipatory Computing Lab หรือปัญหาอื่นๆ ที่เราพูดถึง?

เมื่อสร้างระบบช่วยเหลือ เราต้องคิดถึงวิธีการสร้างระบบเหล่านี้อย่างรับผิดชอบและวิธีการที่จะช่วยให้ผู้คนเข้าใจข้อมูลที่ถูกเก็บและควบคุมระบบเหล่านี้ได้อย่างมีประสิทธิภาพ ในฐานะนักวิจัย AI เรามักจะหลงใหลในข้อมูลและต้องการข้อมูลมากที่สุดเพื่อปรับปรุงระบบเหล่านี้ แต่มีการแลกเปลี่ยนระหว่างประเภทและปริมาณข้อมูลที่เราต้องการและความเป็นส่วนตัวของผู้ใช้ เราต้องจำกัดข้อมูลที่เรารวบรวมให้เหลือน้อยที่สุดเพื่อทำงานที่ต้องการ และทำให้ผู้ใช้ทราบว่าเรากำลังรวบรวมข้อมูลใดและช่วยให้พวกเขาสามารถปรับเปลี่ยนการแลกเปลี่ยนนี้ได้อย่างมีประสิทธิภาพ

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมเกี่ยวกับโครงการนี้ได้โดยการอ่านบทความ “Intel’s Lama Nachman และ Peter Scott-Morgan: นักวิทยาศาสตร์สองคน หนึ่งในนั้นเป็น ‘ไซบอร์ก’ “

ทีม Anticipatory Computing Lab ของ Intel ที่พัฒนา Assistive Context-Aware Toolkit รวมทั้ง (จากซ้าย) Alex Nguyen, Sangita Sharma, Max Pinaroc, Sai Prasad, Lama Nachman และ Pete Denman ไม่มีรูป Bruna Girvent, Saurav Sahay และ Shachi Kumar (เครดิต: Lama Nachman)