ข้ามไปยังเนื้อหา

แมชชีนเลิร์นนิงเริ่มเข้าสังคมเป็นแล้วที่มหาวิทยาลัยคาร์เนกีเมลลอน

Articulab ของมหาวิทยาลัยคาร์เนกี เมลลอนต้องการทำความเข้าใจว่าหุ่นยนต์ผู้ช่วยจะประสานงานร่วมกับมนุษย์เพื่อปฏิบัติงานให้สำเร็จลุล่วงและสร้างความสัมพันธ์กับมนุษย์ได้อย่างไร แทนที่จะแค่เข้ามาแทนที่ผู้ช่วยที่เป็นมนุษย์จริงๆ ในการศึกษาปฏิสัมพันธ์ที่หุ่นยนต์มีต่อมนุษย์และในการฝึกอบรมเจ้าหน้าที่ให้มีทักษะการเข้าสังคมนั้น พวกเขาใช้เอ็นจินแมชชีนเลิร์นนิงใน Google Cloud

การทำให้ปัญญาประดิษฐ์มีความสามารถทางสังคมบางประการ

ในงานประชุม Annual Meeting of the New Champions ประจำปี 2016 ณ เมืองเทียนจิน ประเทศจีน หนึ่งในการเปิดตัวที่น่าตื่นตาตื่นใจก็คือ SARA หุ่นยนต์ผู้ช่วยที่ใส่ใจสังคมที่มีปฏิสัมพันธ์กับผู้คนได้ในรูปแบบใหม่ SARA มีความแปลกใหม่ คือไม่เพียงแค่เข้ามาทำหน้าที่แทนผู้ช่วยที่เป็นมนุษย์จริงๆ หรือแค่ประมวลผลและนำเสนอข้อมูลในลักษณะที่ห่างเหินเท่านั้น แต่ SARA มีความนึกคิด มีความเป็นมิตร มีส่วนร่วม และได้รับการออกแบบมาให้ “ประสานงาน” ร่วมกับผู้ใช้งานที่เป็นมนุษย์ รู้จำและตอบสนองต่อการแสดงสีหน้าของมนุษย์ได้ เรียนรู้ความชอบของผู้ใช้งานได้ และพัฒนาความสามารถในการทำงานได้โดยอาศัยข้อมูลจากผู้ใช้งานที่ SARA พบเจอ นอกจากนั้น SARA ยังได้รับการตั้งโปรแกรมให้เรียนรู้ท่าทางที่ใช้ในสังคมบางอย่างอีกด้วย เช่น พยักหน้าในขณะที่ผู้ใช้งานกำลังพูดอยู่ และเข้าใจสำเนียงต่างๆ ได้

ครึ่งปีต่อมา ในเดือนมกราคม 2017 โครงการนี้ได้ถูกนำเสนอในสภาเศรษฐกิจโลก ณ เมืองดาวอส ประเทศสวิตเซอร์แลนด์ ซึ่งโครงการนี้เป็นเพียงแค่การสาธิตใน Davos Congress Center เท่านั้น โดย SARA ทำหน้าที่เป็นผู้ช่วยส่วนตัวเสมือนที่นำเสนอข้อมูลเกี่ยวกับการประชุมให้แก่ผู้เข้าร่วมงาน แนะนำให้รู้จักกับผู้เข้าร่วมประชุมที่เกี่ยวข้อง แนะนำร้านอาหาร และอื่นๆ

ในเบื้องต้น SARA ทำหน้าที่เป็นผู้ช่วยส่วนตัวเสมือนโดยมีหน้าที่จำกัด นั่นคือ ให้ความช่วยเหลือในการประชุมและมีปฏิสัมพันธ์กับแขกผู้เข้าร่วมงาน SARA เรียนรู้เกี่ยวกับความสนใจและเป้าหมายของผู้นำระดับโลกได้ จากนั้นจึงช่วยแนะนำการประชุมย่อยที่ผู้นำเหล่านั้นอาจต้องการเข้าร่วมประชุม และที่เหนือไปกว่านั้นก็คือ SARA ใช้บทสนทนาในการสร้างความสัมพันธ์กับแต่ละบุคคลที่พูดคุยกับเธอได้อีกด้วย ซึ่งทำให้ได้เรียนรู้เกี่ยวกับความชอบและเป้าหมายของพวกเขาเหล่านั้นได้ดียิ่งขึ้น และด้วยเหตุนี้ SARA จึงพัฒนาประสิทธิภาพในการปฏิบัติงานได้ในอนาคตโดยนำเสนอความช่วยเหลือที่เหมาะสำหรับเฉพาะแต่ละบุคคลได้ดียิ่งขึ้นไปอีก

SARA เป็นผลงานสร้างสรรค์ของ Articulab ซึ่งเป็นทีมงานเล็กๆ ทีมหนึ่งของมหาวิทยาลัยคาร์เนกี เมลลอนซึ่งมีภารกิจในการศึกษาปฏิสัมพันธ์ของมนุษย์ในบริบททางสังคมและวัฒนธรรมเพื่อใช้เป็นข้อมูลป้อนเข้าสู่ระบบคอมพิวเตอร์ ซึ่งจะช่วยให้เราเข้าใจปฏิสัมพันธ์ของมนุษย์ได้ดียิ่งขึ้น คนเราสื่อสารกับเทคโนโลยีอย่างไร และเมื่อนานๆ ไป เราจะยกระดับการสื่อสารดังกล่าวได้อย่างไร การปลูกฝังความสัมพันธ์ทางสังคมคือกุญแจสำคัญ ในทำนองเดียวกัน ความสัมพันธ์ระหว่างบุคคลก็มีความสำคัญเช่นกัน ทีมงาน Articulab ได้กล่าวถึง SARA ว่า “แทนที่จะเพิกเฉยเรื่องความสัมพันธ์ทางอารมณ์และสังคมที่หล่อหลอมเป็นโครงสร้างทางสังคม SARA กลับอาศัยความสัมพันธ์เหล่านั้นเพื่อพัฒนาทักษะในการทำงานร่วมกันของตัวเอง”

"Google Cloud ช่วยให้การวิจัยปัญญาประดิษฐ์ในเชิงวิชาการรุดหน้าไปได้อย่างรวดเร็ว"

Yoichi Matsuyama, นักวิจัยหลังปริญญาเอกของสถาบันเทคโนโลยีด้านภาษา (Language Technologies Institute) และหัวหน้าโครงการ SARA

การใช้เครื่องมือ Google ในการสร้าง SARA

จัสติน คาซเซลล์ รองคณบดีฝ่ายแผนกลยุทธ์และผลกระทบจากเทคโนโลยี คณะวิทยาการคอมพิวเตอร์ มหาวิทยาลัยคาร์เนกี เมลลอน เป็นผู้นำทีม Articulab โดย Articulab มีความคุ้นเคยกับ Google Cloud ก่อนที่จะสร้าง SARA ขึ้นมา ซึ่งต้องยกความดีให้กับเครื่องมือต่างๆ และเงินทุนสำหรับโครงการวิจัยอื่นๆ “เนื่องจากว่าเราได้ใช้ TensorFlow กับงานด้านแมชชีนเลิร์นนิงมาจำนวนหนึ่งแล้ว จึงเป็นเรื่องปกติที่เราจะเริ่มใช้ Google Cloud สำหรับโครงการการเรียนรู้ในเชิงลึก (Deep Learning) ใหม่ของเรา” คุณโยอิชิ มัตซึยามา นักวิจัยหลังปริญญาเอกของสถาบันเทคโนโลยีด้านภาษา (Language Technologies Institute) และหัวหน้าโครงการ SARA กล่าว “นอกจากนั้น เรายังใช้ Google API อีกจำนวนหนึ่ง เช่น Google Speech API (การรู้จำคำพูด) สำหรับเจ้าหน้าที่สนทนาของเรา และใช้ Firebase สำหรับเฟรมเวิร์กการรวบรวมข้อมูลจากมวลชน" การใช้งาน Google Cloud ยังคงดำเนินต่อไปเนื่องจากโครงการ SARA ขยายไปสู่มิติและการประยุกต์ใช้งานใหม่ๆ “เรายังคงอยู่ในระยะการทำให้ใช้งาน” คุณมัตซึยามากล่าว โดยชี้แจงว่า “Google Cloud ช่วยเร่งให้การวิจัย AI ในเชิงวิชาการรุดหน้าไปได้อย่างรวดเร็ว”

คุณมัตซึยามากล่าวว่า ทางห้องแลปใช้ Compute Engine “หนักมาก” รวมถึง GPU พร้อมด้วย 4 x Nvidia Tesla K80 และ TensorFlow ในปีนี้ทางทีมงานกำลังดำเนินงานกับโมเดลต่างๆ เช่น การเรียนรู้แบบเสริมกำลังในเชิงลึกโดยอาศัยการใช้เหตุผลในสังคมในบริบทการทำงาน (Deep Reinforcement Learning-Based Social Reasoning in Task Contexts) และการสร้างภาษาตามธรรมชาติที่มีเงื่อนไขทางสังคม (Socially Conditioned Natural Language Generation)

หากจะให้อธิบายว่า SARA 1.0 ซึ่งเปิดตัวในงานสภาเศรษฐกิจโลกนั้น คืออะไร คุณมัตซึยามากล่าวว่า “เรามีผู้เข้าร่วมประชุมกว่า 250 ท่านทดลองใช้ SARA ในช่วงเวลา 4 วันของการประชุม เมื่อมองในภาพรวมแล้ว เราประสบความสำเร็จ แต่เรายังคงพยายามวิเคราะห์ผลลัพธ์อยู่ว่าอันไหนดี อันไหนไม่ดี” คุณมัตซึยามากล่าวเสริม “ผลลัพธ์ที่สำคัญอย่างหนึ่งที่ได้จากข้อมูลดังกล่าวก็คือสิ่งที่เราเรียกว่า “สัมพันธภาพ” นั่นก็คือความสัมพันธ์ระหว่างบุคคล ซึ่งมีส่วนเกี่ยวข้องกับประสิทธิภาพในการปฏิบัติงานเป็นอย่างมาก และในกรณีนี้ สัมพันธภาพมีผลต่อการยอมรับคำแนะนำ หากสัมพันธภาพอยู่ในระดับสูง และ SARA สร้างความสัมพันธ์กับผู้ใช้งานได้เป็นอย่างดี ผู้ใช้งานก็มีแนวโน้มที่จะยอมรับคำแนะนำของ SARA ที่กล่าวมานี้คือผลลัพธ์ที่สำคัญที่เราค้นพบจนถึงตอนนี้ แต่ตอนนี้เรายังคงวิเคราะห์ข้อมูลอย่างต่อเนื่องต่อไป”

ขยายไปสู่มิติใหม่ๆ รวมถึงด้านการศึกษา

ดูเหมือนว่างานของ SARA เพิ่งจะเริ่มต้น การประยุกต์ใช้ “ปัญญาประดิษฐ์ที่ใส่ใจสังคม” ของ Articulab ในด้านอื่นๆ จนถึงปัจจุบันนี้ ได้แก่ ด้านการศึกษา เช่น การสนับสนุนเด็กๆ ในโรงเรียนรัฐบาลที่มีทรัพยากรน้อย การกระตุ้นให้เกิดความร่วมมือกันระหว่างเพื่อนๆ (ซึ่งได้รับการพิสูจน์แล้วว่ามีความสำคัญอย่างยิ่งต่อการเรียนรู้) และการช่วยเหลือเด็กออทิสติกที่มีความสามารถสูงในการเรียนรู้ รวมถึงเด็กที่มีกลุ่มอาการแอสเพอร์เกอร์ เพื่อฝึกฝนทักษะการเข้าสังคมในการพัฒนาความสัมพันธ์ระหว่างเพื่อนให้ดียิ่งขึ้น

คุณไมเคิล มาไดโอะ นักศึกษาปริญญาเอก สถาบันปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ (Human-Computer Interaction Institute) และหัวหน้าโครงการ “เพื่อนติวเตอร์ที่ใส่ใจในความสัมพันธ์ (Rapport-Aware Peer Tutor)” (RAPT) กล่าวว่าในข้อมูลเกี่ยวกับเพื่อนติวเตอร์ระหว่าง “มนุษย์-มนุษย์” ที่ตนเองรวบรวมมานั้น “ความสัมพันธ์ระหว่างผู้เรียนที่ร่วมมือกันนั้น มีความเกี่ยวข้องเชื่อมโยงอย่างมากกับการมีส่วนร่วมของผู้เรียนในการปฏิบัติภารกิจ การแก้ไขปัญหา และที่สำคัญที่สุดก็คือการเรียนรู้ของผู้เรียน” กล่าวอีกนัยหนึ่งคือ การทำงานร่วมกันในเชิงสังคมจะก่อให้เกิดประโยชน์กับทุกฝ่าย

เมื่อพวกเขาพัฒนาความเข้าใจเกี่ยวกับสัมพันธภาพในการเรียนรู้ให้เป็นโปรแกรมประยุกต์ด้านการศึกษาแล้ว คุณมาไดโอะกล่าวว่า พวกเขาต้องการจัดหาเครื่องมือที่เป็นมากกว่าแค่ช่วยผู้เรียนในการเรียนรู้ “แพลทฟอร์มสำหรับการเรียนรู้นั้นมีอยู่แล้ว” เขากล่าว “แต่จากการวิจัยด้านการศึกษาพบว่า ผู้เรียนไม่ได้เป็นแค่เครื่องประมวลข้อมูลที่คำนวณแต่ตัวเลขเท่านั้น แต่มีบริบททางสังคมด้วย และในการเรียนรู้นั้น สิ่งสำคัญคือจะต้องสร้างความสัมพันธ์ร่วมกับผู้เรียนคนอื่นๆ เวลาที่ติวเตอร์เสมือน (Virtual Tutor) แสดงความคิดเห็นก็มีประโยชน์เช่นกัน ถ้าจะต้องบอกกับเด็กว่าเด็กทำผิด ติวเตอร์เสมือนจะทำเช่นไร ในช่วงแรก คุณอาจจะใช้คำพูดที่สุภาพสักเล็กน้อย พูดอ้อมๆ เพื่อลดความตึงเครียด แต่เมื่อเวลาผ่านไปคุณก็ต่อยอดความสัมพันธ์นี้ได้ และพูดตรงๆ ได้มากขึ้นทีละน้อย พร้อมแสดงความคิดเห็นอย่างเฉพาะเจาะจงซึ่งจะเป็นการช่วยพวกเขาอย่างแท้จริง”

หากติวเตอร์เสมือนประสบความสำเร็จ “โอกาสที่พวกเขาอยากจะกลับมาอีก” ก็จะเพิ่มสูงขึ้น เขากล่าวเสริม ซึ่งเป็นสิ่งที่สำคัญ และวิธีที่ผู้เรียนมีส่วนร่วมก็มีความสำคัญเช่นกัน “ไม่ใช่แค่ว่า ผู้เรียนกลับมาเพื่อขอความช่วยเหลือหรือไม่ แต่อยู่ที่ว่าผู้เรียนมีปฏิกิริยาอย่างไรเมื่อมีปฏิสัมพันธ์กับติวเตอร์เสมือน พวกเขาเต็มใจหรือไม่ พวกเขารู้สึกสบายใจที่จะเล่าให้ฟังเพิ่มเติมเกี่ยวกับเป้าหมายในการเรียนรู้และความวิตกกังวลของตัวเองหรือไม่” ที่กล่าวมานี้คือความสัมพันธ์ที่จะต้องใช้เวลาในการสร้างขึ้นมา เฉกเช่นเดียวกับการสร้างความสัมพันธ์กับคนอื่นๆ แต่สิ่งพิเศษที่ SARA ได้พิสูจน์มาแล้วก็คือ ความสัมพันธ์ดังกล่าวเกิดขึ้นได้จริง

จนถึงปัจจุบันนี้ การตอบสนองต่อการประยุกต์ใช้เพื่อการศึกษาเป็นไปทิศทางที่ดี แต่คุณมาไดโอะกล่าวว่า “เรายังไม่ได้นำไปใช้งานในโรงเรียน ส่วนหนึ่งของความท้าทายในด้านการออกแบบสำหรับปีนี้ก็คือ การคิดหาวิธีการเพื่อนำไปใช้งานในระดับใหญ่” พวกเขากำลังพยายามจินตนาการว่าการนำไปใช้งานในอนาคตนั้นอาจจะมีลักษณะเป็นเช่นใด เช่น การสร้างเพื่อนคู่หูที่จะคอยช่วยทำการบ้านหรือสร้างติวเตอร์ผู้ช่วยในเรื่องการอ่านเขียนสำหรับนักเรียนที่มีปัญหาในเรื่องการอ่าน

ถึงแม้ว่าจะไม่มีการวางแผนระบบสำหรับติวเตอร์เสมือนภายในมหาวิทยาลัยคาร์เนกี เมลลอน แต่ทีมงานอาจดำเนินการจัดทำผู้ช่วยส่วนบุคคลที่ช่วยเหลือนักศึกษาค้นหางานบรรยายต่างๆ ที่จะจัดขึ้นในมหาวิทยาลัย แนะนำงานกิจกรรม และอื่นๆ อีกมากมายได้ อาจเป็นไปได้ว่า เป้าหมายสูงสุดของ Articulab ก็คือการสร้าง SARA ในเวอร์ชันที่ไม่เพียงแต่ทำงานในการประชุมได้เพียง 4 วันเท่านั้น แต่ทำงานได้ตลอด 24 ชั่วโมง 7 วันต่อสัปดาห์ในมิติที่หลากหลาย แนวความคิดนี้ทั้งน่าท้าทายและน่าตื่นเต้นให้ขบคิดและมีความเป็นไปได้ที่ไร้ขีดจำกัด

"ไม่ใช่แค่ว่า ผู้เรียนกลับมาเพื่อขอความช่วยเหลือหรือไม่ แต่อยู่ที่ว่าผู้เรียนมีปฏิกิริยาอย่างไรเมื่อมีปฏิสัมพันธ์กับติวเตอร์เสมือน พวกเขาเต็มใจหรือไม่ พวกเขารู้สึกสบายใจที่จะเล่าให้ฟังเพิ่มเติมเกี่ยวกับเป้าหมายในการเรียนรู้และความวิตกกังวลของตัวเองหรือไม่"

Michael Madaio, นักศึกษาปริญญาเอก, สถาบันปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ (Human-Computer Interaction Institute)

ลงชื่อสมัครรับข้อมูลที่นี่เพื่อรับข้อมูลอัปเดต ข้อมูลเชิงลึก แหล่งข้อมูล และอื่นๆ อีกมากมาย