Will A.I. Drīz vien varēsiet aizstāt literāros zinātniekus?

Ar vienu laulāto, kurš pēta mākslīgā un dabiskā intelekta attīstību un otru, kas pēta Vācijas valodu, kultūru un vēsturi, iedomājieties diskusijas mūsu vakariņu galdā. Mēs bieži piedzīvojam stereotipisku sadursmi starp kvantitatīvu, uz mērījumiem balstītu dabaszinātņu pieeju un humanitāro zinātņu kvalitatīvāku pieeju, kur vissvarīgākais ir tas, kā cilvēki jūtas kaut ko vai kā viņi to izjūt vai interpretē.

Mēs nolēmām pārtraukt šo modeli, lai redzētu, cik daudz katra pieeja varētu palīdzēt otrai. Konkrētāk, mēs vēlējāmies redzēt, vai mākslīgā intelekta aspekti varētu radīt jaunus veidus, kā interpretēt nekaitīguma grafisko romānu par holokaustu. Mēs nonācām pie secinājuma, ka daži A.I. tehnoloģijas vēl nav pietiekami attīstītas un pietiekami stabilas, lai sniegtu noderīgu ieskatu, bet vienkāršākas metodes noveda pie kvantitatīviem mērījumiem, kas parādīja jaunu interpretācijas iespēju.

Teksta izvēle

Ir daudz pētījumu, kas analizē lielus teksta elementus, tāpēc mūsu A.I. analīze: Reinhard Kleist's Bokseris, grafiskais romāns, kas balstīts uz patieso stāstu par to, kā Hertzko „Harijs” Haft izdzīvoja nacistu nāves nometnēs. Mēs vēlējāmies identificēt emocijas grāmatu ilustrācijās redzamās galvenās rakstzīmes izpausmēs, lai noskaidrotu, vai tas mums dotu jaunu objektīvu stāsta izpratnei.

Šajā melnbaltā karikatūrā Haft stāsta savu šausminošo stāstu, kurā viņš un citi koncentrācijas nometnes ieslodzītie tika nogādāti viens pret otru nāvē. Stāsts ir rakstīts no Hafta perspektīvas; visu stāstījuma laikā ir pārspīlējumi, kas attēlo Haft atmiņas par svarīgiem personīgiem notikumiem.

Humanitāro zinātņu pieeja būtu analizēt un kontekstualizēt stāsta elementus vai stāstu kopumā. Kleista grafiskais romāns ir Haft dēla Allana 2009. gada biogrāfiskā romāna interpretācija, pamatojoties uz to, ko Allans zināja par viņa tēva pieredzi. Analizējot šo sarežģīto autoru interpretāciju un izpratni, var tikai papildināt vēl vienu subjektīvo slāni virs esošajiem.

No zinātnes filozofijas viedokļa šis analīzes līmenis tikai padarītu lietas sarežģītākas. Zinātniekiem varētu būt atšķirīgas interpretācijas, bet, pat ja viņi visi būtu vienojušies, viņi joprojām nezina, vai viņu ieskats bija objektīvi taisnīgs vai ja visi cieš no tās pašas ilūzijas. Lai atrisinātu dilemmu, būtu vajadzīgs eksperiments, kura mērķis ir radīt mērījumu, ko citi varētu reproducēt patstāvīgi.

Attēlu reproducējama interpretācija?

Tā vietā, lai pašus attēlus interpretētu, pakļaujot tos mūsu aizspriedumiem un priekšnoteikumiem, mēs cerējām, ka A.I. varētu radīt objektīvāku skatījumu. Mēs sākām skenējot visus grāmatas paneļus. Tad mēs vadījām Google redzējumu A.I. un Microsoft AZURE sejas atpazīšana un emocionālo raksturu anotācija.

Algoritmi, kurus mēs analizējām Bokseris Google vai Microsoft iepriekš bija apmācījuši simtiem tūkstošu attēlu, kas jau ir marķēti ar aprakstiem, ko tie attēlo. Šajā mācību posmā A.I. Sistēmas tika lūgtas identificēt attēlus, un šīs atbildes tika salīdzinātas ar esošajiem aprakstiem, lai redzētu, vai apmācītā sistēma ir pareiza vai nepareiza. Apmācības sistēma nostiprināja pamatā esošo dziļo neironu tīklu elementus, kas radīja pareizas atbildes, un vājināja daļas, kas veicināja nepareizas atbildes. Gan metode, gan mācību materiāli - attēli un anotācijas - ir ļoti svarīgi sistēmas darbībai.

Tad mēs pagriezām A.I. zaudējiet grāmatas attēlus. Tāpat kā tālāk Ģimene, kur izstādes producenti lūdz 100 svešiniekiem jautājumu un skaitīt, cik daudz izvēlas katru iespējamo atbildi, mūsu metode prasa A.I. lai noteiktu, kādas emocijas ir seja. Šī pieeja pievieno vienu galveno elementu, kas bieži trūkst, subjektīvi interpretējot saturu: reproducējamību. Jebkurš pētnieks, kurš vēlas pārbaudīt, var palaist algoritmu vēlreiz un iegūt tādus pašus rezultātus.

Diemžēl mēs atklājām, ka šie A.I. rīki ir optimizēti digitālām fotogrāfijām, nevis melnbaltajiem zīmējumiem. Tas nozīmē, ka mēs nesaņēmām daudz ticamus datus par emocijām attēlos. Mums arī tika traucēts konstatēt, ka neviens no algoritmiem neatklāja nevienu no attēliem, kas saistīti ar holokausta vai koncentrācijas nometnēm - lai gan cilvēku skatītāji varētu viegli noteikt šīs tēmas. Cerams, ka tas ir tāpēc, ka A.I.s bija problēmas ar pašiem melnbaltajiem attēliem, nevis neuzmanības vai neobjektivitātes dēļ viņu treniņu komplektos vai anotācijās.

Bias ir plaši pazīstama parādība mašīnmācībā, kurai var būt patiešām aizskaroši rezultāti. Šo attēlu analīze, pamatojoties tikai uz datiem, ko mēs saņēmām, nebūtu apspriedusi vai atzījusi holokaustu, kas ir bezdarbība, kas ir pretrunā ar likumu Vācijā, starp citām valstīm. Šie trūkumi norāda uz to, cik svarīgi ir kritiski izvērtēt jaunās tehnoloģijas, pirms tās tiek plaši izmantotas.

Citu reproducējamu rezultātu atrašana

Apņēmusies atrast alternatīvu veidu kvantitatīvām pieejām humanitāro zinātņu atbalstam, mēs beidzot analizējām attēlu spilgtumu, salīdzinot atgriešanās ainas ar citiem Haft dzīves momentiem. Šajā nolūkā mēs aprēķinājām skenēto attēlu spilgtumu, izmantojot attēlu analīzes programmatūru.

Mēs atklājām, ka visā grāmatā emocionāli laimīgi un gaiši fāzes, piemēram, viņa cietuma aizbēgšana vai Haft pēckara dzīve ASV, tiek attēloti ar spilgtiem attēliem. Traumējošas un bēdīgas fāzes, piemēram, viņa koncentrācijas nometnes pieredze, tiek attēlotas kā tumši attēli. Tas saskan ar baltās krāsas psiholoģijas identifikāciju kā tīru un laimīgu tonusu un melnu, kas simbolizē skumjas un skumjas.

Pēc vispārējas izpratnes par to, kā grāmatas attēliem tiek izmantots spilgtums, mēs rūpīgāk skatījāmies uz atgriešanās ainām. Visi no tiem attēloja emocionāli intensīvus notikumus, un daži no tiem bija tumši, piemēram, citu koncentrācijas nometņu ieslodzīto kremēšanu un savas dzīves mīlestības atstāšanu.

Tomēr mēs bijām pārsteigti, lai konstatētu, ka uzbrukumi, kas rāda Haft, lai izspiestu pretiniekus līdz nāvei, bija spilgti un skaidri - liek domāt, ka viņam ir pozitīvas emocijas par gaidāmo nāvi. Tas ir tieši pretējs tam, ko lasītāji, piemēram, mēs, iespējams, jūtas, kad viņi seko stāstam, varbūt redzot Hafta pretinieku kā vāju un saprotot, ka viņš ir nogalināts. Kad lasītājs jūtas žēl un empātijas, kāpēc Haft jūtas pozitīvs?

Šī pretruna, kas konstatēta, izmērot attēlu spilgtumu, var atklāt dziļāku ieskatu par to, kā nacistu nāves nometnes ietekmēja Haft emocionāli. Mums tagad ir neiedomājami, kā pozitīvi vērtēt kādu citu nāvi nolaupīšanai boksa spēlē. Bet varbūt Haft bija tādā izmisīgā situācijā, ka viņš redzēja cerību izdzīvot, saskaroties ar pretinieku, kurš bija vēl vairāk bads nekā viņš.

Izmantojot A.I. instrumenti šīs literatūras analīzei radīja jaunu gaismu uz emocijas un atmiņas galvenajiem elementiem grāmatā - bet tie neaizstāja eksperta vai zinātnieka prasmes interpretēt tekstus vai attēlus. Mūsu eksperimenta rezultātā mēs domājam, ka A.I. un citas skaitļošanas metodes rada interesantu iespēju ar potenciālu vairāk kvantitatīvi, reproducējamai un varbūt objektīvai pētniecībai humanitārajās zinātnēs.

Ir grūti atrast veidus, kā izmantot A.I. humanitārajās zinātnēs - un vēl jo vairāk tāpēc, ka pašreizējā A.I. sistēmas vēl nav pietiekami sarežģītas, lai droši darbotos visos kontekstos. Zinātniekiem vajadzētu būt uzmanīgiem arī par iespējamiem aizspriedumiem šajos rīkos. Ja A.I. pētījumi ir izstrādāt mašīnas, kas konkurē ar cilvēka izziņu, mākslīgā intelekta sistēmām var būt nepieciešams ne tikai izturēties pret cilvēkiem, bet arī izprast un interpretēt tādas jūtas kā cilvēki.

Šis raksts sākotnēji tika publicēts Leonie Hintze un Arend Hintze sarunā http://theconversation.com/profiles/arend-hintze-225106. Lasiet oriģinālo rakstu šeit.