Συναισθηματική τεχνητή νοημοσύνη: Το παράδειγμα των… Guardians
του Μιχάλη Μπλέτσα
Η ομάδα Συναισθηματικής Υπολογιστικής (Affective Computing) του Media Lab δημιουργεί και αξιολογεί νέους τρόπους για να φέρει πιο κοντά τη συναισθηματική τεχνητή νοημοσύνη και να κάνει τους υπολογιστές να αντιλαμβάνονται και να αντιδρούν και στη συναισθηματική κατάσταση των χρηστών τους, προκειμένου να κάνει τη ζωή των ανθρώπων καλύτερη.
Το κύριo κίνητρο της ομάδας είναι να βοηθήσει ανθρώπους με ψυχολογικά προβλήματα.
Τα έργα της είναι ποικίλα: από την εύρεση νέων τρόπων πρόβλεψης και πρόληψης της κατάθλιψης· νέες λύσεις για τη βοήθεια ανθρώπων που αντιμετωπίζουν προκλήσεις επικοινωνίας, κινήτρων και ρύθμισης συναισθημάτων· δυνατότητα στα ρομπότ και στους υπολογιστές να ανταποκρίνονται έξυπνα στην ανθρώπινη συναισθηματική κατάσταση· δυνατότητα στους ανθρώπους να έχουν καλύτερη επίγνωση της υγείας και της ευημερίας τους· να παρέχει στους ανθρώπους καλύτερο έλεγχο και προστασία στα πιο ευαίσθητα, ιδιωτικά, προσωπικά τους δεδομένα. Ορισμένες από τις εργασίες της ομάδας επικεντρώνονται στη συμβολή στη βασική θεωρία και την επιστήμη, συμπεριλαμβανομένων νέων βελτιώσεων στους αλγόριθμους μηχανικής μάθησης, ενώ άλλα έργα επικεντρώνονται στην προώθηση της έρευνας εκτός εργαστηρίου, με εφαρμογές που στοχεύουν στη βελτίωση της ζωής των ατόμων στο καθημερινό τους περιβάλλον.
Ένα παράδειγμα τέτοιου έργου είναι το “The Guardians”, που σχεδιάστηκε για να βοηθήσει τους ανθρώπους να βελτιώσουν τη ζωή τους χρησιμοποιώντας ένα παιχνίδι για κινητά. Κάθε χρόνο, δισεκατομμύρια δολάρια δαπανώνται για ανταμοιβές εντός των παιχνιδιών στα κινητά, είτε μέσω απευθείας αγορών από τους παίκτες εντός του παιχνιδιού είτε από διαφημιστές που ανταμείβουν τους παίκτες για την παρακολούθηση διαφημίσεων στο παιχνίδι. Το μέγεθος αυτού του κλάδου υποδηλώνει πόσο αποτελεσματικά είναι τα παιχνίδια στη διαμόρφωση των ανταμοιβών εντός του παιχνιδιού και στην προσέλκυση των παικτών στην απόκτησή τους. Αναρωτήθηκε, λοιπόν, η ομάδα τι θα γινόταν αν, αντί να ζητάει από τους ανθρώπους να παρακολουθούν διαφημίσεις ή να πληρώνουν χρήματα για να λάβουν αυτές τις εντός του παιχνιδιού ανταμοιβές, θα μπορούσε να φτιάξει παιχνίδια που ενθαρρύνουν τους ανθρώπους να βελτιώσουν τη ζωή τους;
Οι καταθλιπτικές διαταραχές κατατάσσονται ως ο μεγαλύτερος παράγοντας που συμβάλλει στη μη θανατηφόρα απώλεια υγείας, επηρεάζοντας περίπου 300 εκατομμύρια ανθρώπους.
Η παρακολούθηση των καταθλιπτικών συμπτωμάτων πραγματοποιείται επί του παρόντος με μεθόδους αξιολόγησης που βασίζονται σε συνεντεύξεις που διεξάγονται από κλινικούς γιατρούς στα ιατρεία τους. Ωστόσο, η έλλειψη ειδικών ψυχικής υγείας και οι περιορισμένοι πόροι που είναι διαθέσιμοι στους γιατρούς πρωτοβάθμιας περίθαλψης, που συχνά διαχειρίζονται ασθενείς με κατάθλιψη, εμποδίζουν τη στενή παρακολούθηση των συμπτωμάτων, καθυστερώντας τη βέλτιστη θεραπεία και παρατείνοντας τον πόνο. Η παθητική καταγραφή δεδομένων συμπεριφοράς (συλλογή πληροφοριών χωρίς την άμεση συμβολή ενός ατόμου) έχει αναγνωριστεί ως μια δυνητικά εφικτή μέθοδος για τη μακροπρόθεσμη παρακολούθηση της κατάθλιψης.
Την τελευταία δεκαετία, μαζί με την ανάπτυξη φορητών αισθητήρων, είδαμε την προοδευτική χρήση της μηχανικής μάθησης, η οποία επέτρεψε την ανάπτυξη πολύπλοκων μοντέλων. Ο συνδυασμός τεχνολογίας αισθητήρων και μηχανικής μάθησης επιτρέπει τη λεπτομερή μέτρηση σε πραγματικό χρόνο μιας πληθώρας συμπεριφορών που προβλέπουν τη διακύμανση της κατάθλιψης. Η διεπιστημονική ομάδα που συμπεριλαμβάνει ένα από τα κορυφαία εργαστήρια έρευνας για την κατάθλιψη στο Γενικό Νοσοκομείο της Μασαχουσέτης και την ομάδα Affective Computing στο MIT Media Lab διεξήγαγε μια μελέτη εφαρμόζοντας αναλύσεις μηχανικής μάθησης για τη δημιουργία ενός μοντέλου που συνδυάζει δεδομένα αισθητήρα σε βραχιόλι και κινητό τηλέφωνο για μετρήσεις εκτίμησης της κατάθλιψης. Στην πιλοτική μελέτη με ασθενείς με χρόνια κατάθλιψη που παρακολουθήθηκαν για διάστημα οκτώ εβδομάδων, διαπιστώθηκε ότι ένας αλγόριθμος βασισμένος σε βιολογικά και συμπεριφορικά δεδομένα αισθητήρων θα μπορούσε να εκτιμήσει τη σοβαρότητα της κατάθλιψης με αξιοπιστία συγκρίσιμη αυτής ενός κλινικού γιατρού.
