Will A.I. Brzy bude schopen nahradit literární vědce?

S jedním partnerem, který studuje vývoj umělé a přirozené inteligence a druhý zkoumá jazyk, kulturu a historii Německa, představte si diskuse u našeho jídelního stolu. Často se setkáváme se stereotypním střetem názorů mezi kvantifikovatelným přístupem přírodních věd založeným na měření a kvalitativnějším přístupem humanitních věd, kde je nejdůležitější, jak lidé něco cítí, nebo jak je prožívají nebo interpretují.

Rozhodli jsme se přestat od tohoto vzoru, abychom zjistili, jak moc může každý přístup pomoci druhému. Konkrétně jsme chtěli zjistit, zda by aspekty umělé inteligence mohly přinést nové způsoby, jak interpretovat literární literaturu o holocaustu. Nakonec jsme zjistili, že některé A.I. Technologie ještě nejsou pokročilé a dostatečně robustní, aby poskytly užitečné postřehy - ale jednodušší metody vedly k měřitelným měřením, která ukázala novou příležitost k interpretaci.

Výběr textu

K dispozici je spousta výzkumu, který analyzuje velké části textu, takže jsme si vybrali něco složitějšího pro naše A.I. analýza: Reinhard Kleist Boxer, grafický román založený na pravém příběhu o tom, jak Hertzko „Harry“ Haft přežil nacistické tábory smrti. Chtěli jsme identifikovat emoce ve výrazech obličeje hlavní postavy uvedené v ilustracích knihy, abychom zjistili, zda by nám to poskytlo nový objektiv pro pochopení příběhu.

V této černobílé karikatuře Haft vypráví svůj hrůzný příběh, ve kterém se spolu s dalšími vězni koncentračních táborů postavili ke smrti. Příběh je napsán z Haftovy perspektivy; rozptýlené v celém příběhu jsou panely flashbacků zobrazující Haftovy vzpomínky na důležité osobní události.

Humanitární přístup by analyzoval a kontextualizoval prvky příběhu nebo příběhu jako celku. Kleistův grafický román je reinterpretací biografického románu Haftova syna Allana z roku 2009 na základě toho, co Allan věděl o zkušenostech svého otce. Analýza tohoto komplexního souboru interpretací a chápání autorů by mohla sloužit pouze k přidání další subjektivní vrstvy nad stávající.

Z hlediska vědecké filosofie by tato úroveň analýzy pouze komplikovala věci. Učenci by mohli mít různé výklady, ale i kdyby se všichni shodli, stále by nevěděli, zda je jejich vhled objektivně pravdivý, nebo zda všichni trpěli stejnou iluzí. Vyřešení dilematu by vyžadovalo experiment zaměřený na generování měření, které by se ostatní mohly reprodukovat nezávisle.

Reprodukovatelná interpretace obrázků?

Namísto toho, abychom sami interpretovali obrazy, podrobovali je vlastním předsudkům a předsudkům, doufali jsme, že A.I. objektivnější pohled. Začali jsme skenováním všech panelů v knize. Pak jsme vedli Google vizi A.I. a rozpoznávání obličejů a emocionální charakteristika společnosti Microsoft AZURE.

Algoritmy, které jsme použili k analýze Boxer byly dříve vyškoleny společností Google nebo Microsoft na stovkách tisíc obrázků, které již byly označeny popisy toho, co zobrazují. V této fázi výcviku se A.I. systémy byly požádány, aby určily, co obrazy ukázaly, a tyto odpovědi byly porovnány s existujícími popisy, aby se zjistilo, zda je systém, který je školen, správný nebo nesprávný. Vzdělávací systém posílil prvky hlubokých neuronových sítí, které vytvářely správné odpovědi, a oslaboval části, které přispěly k nesprávným odpovědím. Metoda i vzdělávací materiály - obrazy a anotace - jsou pro výkon systému klíčové.

Pak jsme obrátili A.I. na obrázcích knihy. Stejně jako na Rodina Feud, kde producenti show požádají 100 cizinců o otázku a spočítají, kolik si vybere každou potenciální odpověď, naše metoda žádá A.I. určit, jaké emoce je obličej. Tento přístup přidává jeden klíčový prvek často chybí, když subjektivně interpretuje obsah: reprodukovatelnost. Každý výzkumník, který chce zkontrolovat, může algoritmus znovu spustit a získat stejné výsledky, jaké jsme udělali.

Bohužel jsme zjistili, že tyto A.I. nástroje jsou optimalizovány pro digitální fotografie, nikoli skenování černobílých výkresů. To znamenalo, že jsme na fotografiích nedostali spoustu spolehlivých údajů o emocích. Byli jsme také znepokojeni, když jsme zjistili, že žádný z algoritmů neidentifikoval žádný z obrazů, které by se týkaly holocaustu nebo koncentračních táborů - ačkoliv lidé by tyto motivy snadno identifikovali. Doufejme, že to je proto, že A.I.s měl problémy s černobílými obrazy sami, a ne kvůli nedbalosti nebo zaujatosti v jejich tréninkových sadách nebo anotacích.

Bias je dobře známý jev ve strojovém učení, který může mít opravdu urážlivé výsledky. Analýza těchto obrazů založená pouze na údajích, které jsme získali, by o holocaustu, o opomenutí, které je v rozporu se zákonem v Německu, mimo jiné země, by nehovořilo ani neuznalo. Tyto nedostatky poukazují na důležitost kritického hodnocení nových technologií před jejich širším použitím.

Nalezení dalších reprodukovatelných výsledků

Rozhodli jsme se najít alternativní cestu pro kvantitativní přístupy, které by pomohly humanitním oborům. Nakonec jsme analyzovali jas obrazu a porovnávali záběry záblesků s ostatními okamžiky života Haft. Za tímto účelem jsme pomocí softwaru pro analýzu obrazu kvantifikovali jas skenovaných obrázků.

Zjistili jsme, že v celé knize jsou emocionálně šťastné a lehké fáze, jako je útěk z vězení nebo poválečný život Haft v USA, zobrazeny jasnými obrazy. Traumatizující a smutné fáze, jako jsou jeho zkušenosti z koncentračního tábora, jsou zobrazeny jako tmavé obrazy. To je v souladu s barevnými psychologickými identifikacemi bílé jako čistý a šťastný tón a černý jako symbol smutku a zármutku.

Poté, co jsme zjistili obecné pochopení toho, jak je v obrázcích knih používán jas, jsme se podrobněji podívali na scény flashbacku. Všechny z nich zobrazovaly emocionálně intenzivní události a některé z nich byly temné, jako vzpomínky na kremaci ostatních vězňů koncentračních táborů a zanechání lásky svého života.

Byli jsme však překvapeni, když jsme zjistili, že záblesky, které ukazují, že Haft se chystá udeřit odpůrce k smrti, jsou jasné a jasné - což naznačuje, že má pozitivní emoce ohledně nadcházejícího smrtelného setkání. To je přesný opak toho, co čtenáři, jako jsme my, pravděpodobně cítí, když následují příběh, a možná vidí Haftova soupeře jako slabého a uvědomují si, že se chystá zabít. Když čtenář cítí soucit a empatii, proč se Haft cítí pozitivně?

Tento rozpor, zjištěný měřením jasu obrazů, může odhalit hlubší vhled do toho, jak nacistické tábory smrti postihly Haft emocionálně. Pro nás, teď, je nepředstavitelné, jak by byl výhled na bití někoho jiného k smrti v boxerském zápase pozitivní. Ale Haft byl možná v tak zoufalé situaci, že viděl naději na přežití, když se postavil proti protivníkovi, který byl ještě hladovější než on.

Použití A.I. nástroje pro analýzu této literatury vrhají nové světlo na klíčové prvky emoce a paměti v knize - ale nenahrazují dovednosti odborníka nebo vědce při tlumočení textů nebo obrázků. V důsledku našeho experimentu si myslíme, že A.I. a další výpočetní metody představují zajímavou příležitost s potenciálem pro kvantifikovatelnější, reprodukovatelnější a možná objektivní výzkum v humanitních oborech.

Bude to náročné najít způsoby, jak používat A.I. patřičně v humanitních oborech - a tím spíše proto, že současné A.I. systémy ještě nejsou dostatečně sofistikované, aby fungovaly spolehlivě ve všech kontextech. Učenci by měli být také upozorněni na možné předsudky v těchto nástrojích. Pokud je konečným cílem A.I. výzkum je vyvíjet stroje, které soupeří s lidským poznáním, umělé inteligenční systémy mohou potřebovat nejen chovat se jako lidé, ale také rozumět a interpretovat pocity jako lidé.

Tento článek byl původně publikován na Konverzaci Leonie Hintze a Arend Hintze http://theconversation.com/profiles/arend-hintze-225106. Přečtěte si originální článek zde.