Robot Bercakap Sampah Fluster Lawan Manusia

Pembicaraan sampah sudah lama taktik digunakan untuk membantutkan lawan permainan, dan sekarang kajian baru menunjukkan bahawa kata-kata yang tidak menggalakkan dapat mempengaruhi permainan - bahkan ketika datang dari robot.

Ceramah sampah dalam kajian ini jelas ringan, dengan ucapan seperti "Saya harus mengatakan bahawa anda adalah pemain yang mengerikan," dan "Sepanjang permainan anda bermain menjadi bingung." Namun, orang yang bermain permainan tertentu dengan robot - robot humanoid yang tersedia secara komersil yang dikenali sebagai Lada - menunjukkan prestasi yang lebih buruk apabila robot itu tidak menggalakkan mereka dan lebih baik ketika robot itu mendorong mereka.

Pengarang utama Aaron M. Roth mengatakan bahawa kira-kira 40 peserta kajian secara teknikal canggih dan memahami sepenuhnya bahawa mesin adalah sumber ketidakselesaan mereka.

"Seorang peserta berkata, 'Saya tidak menyukai apa yang dikatakan robot, tetapi itulah cara ia diprogramkan sehingga saya tidak dapat menyalahkannya,'" kata Roth, yang melakukan kajian itu ketika dia adalah pelajar master di Carnegie Institut Robotik Universiti Mellon (CMU).

Tetapi para penyelidik mendapati bahawa, secara keseluruhan, prestasi manusia berubah-ubah tanpa mengira pengetahuan teknikal peserta.

Kajian itu, yang dibentangkan bulan lalu di Persidangan Antarabangsa IEEE mengenai Komunikasi Interaktif Robot & Manusia (RO-MAN) di New Delhi, India, adalah penyimpangan dari kajian interaksi manusia-robot biasa, yang cenderung memberi tumpuan kepada bagaimana manusia dan robot dapat melakukan yang terbaik bekerjasama.

"Ini adalah salah satu kajian pertama mengenai interaksi manusia-robot dalam persekitaran di mana mereka tidak bekerjasama," kata pengarang bersama Dr. Fei Fang, seorang penolong profesor di Institut Penyelidikan Perisian.

Kajian ini mempunyai implikasi yang signifikan bagi dunia di mana bilangan robot dan peranti Internet of things (IoT) dengan kemampuan kecerdasan buatan dijangka meningkat secara eksponensial.

"Kita boleh mengharapkan pembantu rumah bekerja sama," katanya, "tetapi dalam situasi seperti membeli-belah dalam talian, mereka mungkin tidak mempunyai tujuan yang sama seperti kita."

Kajian ini adalah hasil daripada projek pelajar yang diajarkan oleh Fang. Para pelajar ingin meneroka penggunaan teori permainan dan rasionalitas dalam konteks robot, jadi mereka merancang kajian di mana manusia akan bersaing dengan robot dalam permainan yang disebut "Pengawal dan Harta Karun." Permainan Stackelberg yang disebut, para penyelidik menggunakannya untuk mengkaji rasionaliti; Fang menggunakannya dalam penyelidikan keselamatan sibernya untuk mengkaji interaksi pertahanan-penyerang.

Untuk kajian ini, setiap peserta bermain permainan sebanyak 35 kali dengan robot, sambil menikmati kata-kata yang menggembirakan dari robot atau merasa senang dengan ucapan yang tidak masuk akal. Walaupun rasional pemain manusia bertambah baik apabila jumlah permainan yang dimainkan meningkat, mereka yang dikritik oleh robot tidak mendapat skor dan juga yang dipuji.

Sudah diketahui bahawa prestasi seseorang dipengaruhi oleh apa yang orang lain katakan, tetapi kajian menunjukkan bahawa manusia juga bertindak balas terhadap apa yang dikatakan oleh mesin, kata Dr Afsaneh Doryab, seorang saintis sistem di Institut Interaksi Manusia-Komputer (HCII) CMU semasa belajar dan kini menjadi penolong profesor dalam Sistem Kejuruteraan dan Alam Sekitar di University of Virginia.

Kemampuan mesin ini untuk memberi respons boleh memberi implikasi kepada pembelajaran automatik, rawatan kesihatan mental dan juga penggunaan robot sebagai pendamping, katanya.

Kerja masa depan mungkin fokus pada ungkapan nonverbal antara robot dan manusia, kata Roth, sekarang Ph.D. pelajar di University of Maryland. Fang menunjukkan bahawa lebih banyak yang perlu dipelajari mengenai bagaimana pelbagai jenis mesin - katakanlah, robot humanoid dibandingkan dengan kotak komputer - mungkin menimbulkan tindak balas yang berbeza pada manusia.

Sumber: Universiti Carnegie Mellon

!-- GDPR -->