Hoće li A.I. Uskoro možete zamijeniti književne znanstvenike?

S jednim supružnikom koji proučava evoluciju umjetne i prirodne inteligencije, a drugi istražuje jezik, kulturu i povijest Njemačke, zamislite rasprave na našem stolu. Često doživljavamo stereotipne sukobe u pogledu između kvantitativnog, mjernog pristupa prirodnih znanosti i kvalitativnijeg pristupa humanističkih znanosti, gdje je najvažnije kako ljudi nešto osjećaju, ili kako to doživljavaju ili tumače.

Odlučili smo se odvojiti od tog obrasca, da vidimo koliko svaki pristup može pomoći drugome. Konkretno, željeli smo vidjeti mogu li aspekti umjetne inteligencije stvoriti nove načine interpretacije grafičkog romana o holokaustu. Na kraju smo otkrili da neki A.I. tehnologije još nisu dovoljno napredne i dovoljno robusne da pruže korisne uvide - ali jednostavnije metode rezultirale su mjerljivim mjerenjima koja su pokazala novu mogućnost interpretacije.

Odabir teksta

Dostupna su brojna istraživanja koja analiziraju velika tijela teksta, pa smo odabrali nešto složenije za naše A.I. analiza: Reinhard Kleist's Bokser, grafički roman temeljen na istinitoj priči o tome kako je Hertzko “Harry” Haft preživio nacističke logore smrti. Željeli smo identificirati emocije u izrazima lica glavnog lika prikazanog u ilustracijama knjige, kako bismo saznali da li bi nam to dalo novi objektiv za razumijevanje priče.

U ovom crno-bijelom crtanom filmu Haft govori svoju stravičnu priču u kojoj su on i ostali logoraši bili prisiljeni zaklanjati jedan drugog do smrti. Priča je napisana iz Haftove perspektive; mjestimice u cijeloj naraciji su paneli flashbackova koji prikazuju Haftove uspomene na važne osobne događaje.

Humanistički pristup bi bio analizirati i kontekstualizirati elemente priče ili priču u cjelini. Kleistov grafički roman je reinterpretacija biografskog romana iz 2009. godine Haftovog sina Allana na temelju onoga što je Allan znao o iskustvima svoga oca. Analiza ovog složenog skupa autorskih interpretacija i razumijevanja može poslužiti samo za dodavanje još jednog subjektivnog sloja na postojeće.

Iz perspektive filozofije znanosti, ta razina analize samo će stvari učiniti složenijima. Znanstvenici mogu imati različita tumačenja, ali čak i da su se svi složili, oni još uvijek ne bi znali je li njihov uvid objektivno istinit ili su svi patili od iste iluzije. Rješavanje dileme zahtijevalo bi eksperiment s ciljem stvaranja mjerenja koje bi drugi mogli samostalno reproducirati.

Reproducibilno tumačenje slika?

Umjesto da sami interpretiramo slike, podvrgavajući ih vlastitim predrasudama i predrasudama, nadali smo se da će A.I. može donijeti objektivniji pogled. Počeli smo skeniranjem svih ploča u knjizi. Zatim smo pokrenuli Googleovu viziju A.I. i prepoznavanje lica tvrtke Microsoft AZURE te oznaka emocionalnog karaktera.

Algoritmi koje smo koristili za analizu Bokser Google ili Microsoft prethodno su trenirali na stotinama tisuća slika koje su već označene opisima onoga što prikazuju. U ovoj fazi obuke, A.I. sustavi su zamoljeni da identificiraju što su slike prikazale, a ti su odgovori uspoređeni s postojećim opisima kako bi se vidjelo je li sustav koji se trenirao ispravan ili pogrešan. Sustav osposobljavanja ojačao je elemente dubinskih neuronskih mreža koje su proizvele točne odgovore i oslabile dijelove koji su pridonijeli pogrešnim odgovorima. Metoda i materijali za obuku - slike i napomene - presudni su za izvedbu sustava.

Zatim smo okrenuli A.I. na slikama knjige. Baš kao i na Obiteljska svađa, gdje proizvođači emisije pitaju 100 nepoznatih osoba i prebroje koliko ih odabere svaki potencijalni odgovor, naša metoda traži A.I. odrediti kakve emocije pokazuje lice. Ovaj pristup dodaje jedan ključni element koji često nedostaje kada se subjektivno interpretira sadržaj: reproducibilnost. Svaki istraživač koji želi provjeriti može ponovno pokrenuti algoritam i dobiti iste rezultate kao i mi.

Nažalost, otkrili smo da ove A.I. alati su optimizirani za digitalne fotografije, a ne za skeniranje crno-bijelih crteža. To je značilo da nismo dobili mnogo pouzdanih podataka o emocijama na slikama. Također smo bili uznemireni kad smo otkrili da nijedan od algoritama nije identificirao nijednu od slika koje se odnose na holokaust ili koncentracijske logore - iako bi ljudski gledatelji spremno prepoznali te teme. Nadam se da je to zbog toga što su A.I. imali problema sa samim crno-bijelim slikama, a ne zbog nemara ili pristranosti u svojim trening setovima ili komentarima.

Pristranost je dobro poznata pojava u strojnom učenju, koja može imati stvarno uvredljive rezultate. Analiza tih slika temeljena isključivo na podacima koje smo dobili ne bi raspravljala ili priznavala holokaust, propust koji je protiv zakona u Njemačkoj, među ostalim zemljama. Ovi nedostaci naglašavaju važnost kritičke procjene novih tehnologija prije nego ih upotrijebimo u većoj mjeri.

Pronalaženje drugih reproducibilnih rezultata

Odlučni u pronalaženju alternativnog načina za kvantitativne pristupe pomaganju humanističkim znanostima, na kraju smo analizirali svjetlinu slika, uspoređujući scene s flashbackom s drugim trenucima u Haftovom životu. U tu svrhu, kvantificirali smo svjetlinu skeniranih slika pomoću softvera za analizu slike.

Otkrili smo da se tijekom knjige emocionalno sretne i lagane faze poput bijega u zatvoru ili Haftovog poslijeratnog života u SAD-u prikazuju svijetlim slikama. Traumatizirane i tužne faze, kao što su iskustva koncentracijskog logora, prikazane su kao tamne slike. To se povezuje s identifikacijama bijele boje kao čistog i sretnog tona, a crna kao simbol tuga i tuge.

Nakon što smo uspostavili opće razumijevanje o tome kako se svjetlost koristi u slikama knjige, pobliže smo pogledali scene s flashbackom. Svi su prikazivali emocionalno intenzivne događaje, a neki od njih bili su mračni, poput sjećanja na kremiranje drugih logoraša i ostavljanja ljubavi njegova života.

Iznenadili smo se, međutim, kad smo otkrili da su flashbackovi koji prikazuju Hafta koji će udariti protivnike na smrt jasni i jasni - što sugerira da ima pozitivne emocije u vezi s nadolazećim fatalnim susretom. To je upravo suprotno od onoga što se čitatelji poput nas vjerojatno osjećaju dok prate priču, možda vide neprijatelja Hafta kao slabu i shvaćajući da će biti ubijen. Kada čitatelj osjeća sažaljenje i suosjećanje, zašto se Haft osjeća pozitivno?

Ova kontradikcija, pronađena mjerenjem svjetline slika, može otkriti dublji uvid u to kako su nacistički logori smrti emocionalno utjecali na Haft. Za nas je upravo sada nezamislivo kako bi izgledi da se netko pobijedi u boksačkoj utakmici bude pozitivno. No, možda je Haft bio u tako očajnoj situaciji da je vidio nadu za opstanak kada se suočio s protivnikom koji je bio još više gladan nego što je bio.

Korištenje A.I. alati za analizu ovog dijela književnosti bacaju novo svjetlo na ključne elemente emocije i pamćenja u knjizi - ali oni nisu zamijenili vještine stručnjaka ili učenjaka u tumačenju tekstova ili slika. Kao rezultat našeg eksperimenta, mislimo da je A.I. i druge računalne metode predstavljaju zanimljivu mogućnost s potencijalom za kvantitativnije, reproducibilnije i možda objektivno istraživanje u humanističkim znanostima.

Bit će izazov pronaći načine za korištenje A.I. na odgovarajući način u humanističkim znanostima - i još više zato što je sadašnji A.I. sustavi još nisu dovoljno sofisticirani da pouzdano rade u svim kontekstima. Znanstvenici bi također trebali biti spremni na potencijalne pristranosti u tim alatima. Ako je krajnji cilj A.I. istraživanje je razviti strojeve koji se natječu s ljudskom spoznajom, sustavi umjetne inteligencije možda neće trebati samo ponašati se kao ljudi, već će razumjeti i interpretirati osjećaje kao i ljudi.

Ovaj članak je izvorno objavljen na razgovoru Leonie Hintze i Arend Hintze http://theconversation.com/profiles/arend-hintze-225106. Pročitajte izvorni članak ovdje.