Intel tarafından geliştirilen bir yazılım çözümü, yapay zekanın gücünü dijital öğrencilerin yüzlerine ve beden dillerine uygulayın. Protokole göre, çözüm “Sınıf” yazılım ürününün bir parçası olarak dağıtılıyor ve öğretmenlerin her birinin yapay zekadan çıkarılan zihinsel durumlarını (can sıkıntısı, dikkat dağınıklığı veya kafa karışıklığı gibi) görmelerini sağlayarak öğretmenlerin eğitim tekniklerine yardımcı olmayı amaçlıyor. Öğrenci. Intel, programı sonunda daha geniş pazarlara yaymayı hedefliyor. Yine de, teknoloji geri tepmelerle karşılandı AI, bilim, etik ve mahremiyet konusundaki tartışmaları ön plana çıkaran.
Classroom Technologies ile ortaklaşa geliştirilen AI tabanlı özellik, öncekiler aracılığıyla Zoom ile entegre edilmiştir. “Sınıf” yazılım ürünü. Video konferans uygulaması aracılığıyla dijital dersler yapıldığında öğrencilerin beden dilini ve yüz ifadelerini sınıflandırmak için kullanılabilir. Classroom Technologies’in kurucu ortağı ve CEO’su Michael Chasen, COVID-19 salgını sırasında alınan uzaktan derslerin ardından öğretmenlerin kendi deneyimlerine atıfta bulunarak, yazılımının öğretmenlere ek içgörüler sunmasını ve nihayetinde uzaktan öğrenme deneyimlerini iyileştirmesini umuyor.
Yazılım, öğrencilerin konuyu anlamalarını sınıflandırmasına olanak tanıyan bağlamsal, gerçek zamanlı bilgilerin yanı sıra AI motoruna beslediği öğrencilerin video akışlarını kullanır. Intel’de teknolojinin geliştirilmesine yardımcı olan bir araştırma bilimcisi olan Sinem Aslan, asıl amacın, öğretmenin her öğrencinin zihinsel durumuna gerçek zamanlı olarak tepki vermesini sağlayarak (her ne olursa olsun onları dürterek) bire bir öğretim oturumlarını iyileştirmek olduğunu söylüyor. yönlendirme gerekli görülmektedir).
Ancak Intel ve Classroom Technologies’in amacı iyi niyetli olsa da, AI çözümünün arkasındaki temel bilimsel öncül – beden dili ve diğer dış sinyallerin bir kişinin zihinsel durumunu anlamak için doğru bir şekilde kullanılabileceği – kapalı bir tartışma olmaktan uzaktır.
Birincisi, araştırmalar göstermiştir ki etiketlemenin tehlikeleri: bilgiyi kolay algılanabilen (ama nihayetinde ve sıklıkla çok basit) kategorilere yerleştirme eylemi – hatta bazen ona ayak uydurmak.
İnsanların içsel durumlarını ifade ettikleri dış boyutları henüz tam olarak anlamıyoruz. Örneğin, ortalama bir insan kendisini düzinelerce (bazıları yüzlerce diyor) mikro ifadeler (örneğin gözbebeklerini büyütme), makro ifadeler (gülümseme veya kaşlarını çatma), bedensel hareketler veya fizyolojik sinyaller (terleme, kalp atış hızının artması gibi) aracılığıyla ifade eder. , ve benzeri).
Bilim camiasının kendisi dışsal eylemleri içsel durumlara çevirme konusunda kesin bir sonuca varamadığında, yapay zeka teknolojisinin modeli ve doğruluğu üzerinde düşünmek ilginçtir. Bataklık üzerine evler inşa etmek nadiren işe yarar.
AI motoru için bir başka kayda değer ve potansiyel uyarı, duyguları ifade etmenin de kültürler arasında farklılık göstermesidir. Çoğu kültür gülümsemeyi içsel bir mutluluk ifadesi ile eşit tutarken, örneğin Rus kültürü yakın arkadaşlar ve aile için gülümsemeleri saklı tutar – yanlış bağlamda aşırı gülen olmak, zeka veya dürüstlük eksikliği olarak yorumlanır. Bunu sayısız kültür, etnik köken ve bireysel varyasyona doğru genişletin ve bu kişisel ve kültürel “tuhaflıkların” AI modelinin doğruluğu üzerindeki etkilerini hayal edebilirsiniz.
Intel’de bir makine öğrenimi araştırmacısı olan Neşe Alyuz Civitci’ye göre, şirketin modeli, 3D kameralı dizüstü bilgisayarlar kullanarak gerçek hayat sınıflarında yakalanan temel gerçek verilerini analiz eden bir psikolog ekibinin içgörüsü ve uzmanlığıyla oluşturuldu. Psikologlardan oluşan ekip daha sonra videoları incelemeye devam etti ve yayınlar boyunca tespit ettikleri duyguları etiketledi. Verilerin geçerli ve modele entegre olması için, üç psikologdan en az ikisinin, verilerin nasıl etiketleneceği konusunda hemfikir olması gerekiyordu.
Intel’den Civitci’nin kendisi, olası etiketler arasındaki ince fiziksel farkları belirlemeyi fazlasıyla zor buldu. İlginç bir şekilde Aslan, Intel’in duygu analizi yapay zekasının öğrencilerin gerçek duygularını doğru bir şekilde yansıtıp yansıtmadığına değil, sonuçlarının öğretmenler tarafından araçsal veya güvenilir olmasına göre değerlendirildiğini söylüyor.
Yapay zeka sistemleri, onların eğitim verileri (örneğin, ciddi sonuçları olan) hakkında sorulabilecek sonsuz soru var. yüz tanıma teknolojisi hakkında kolluk kuvvetleri tarafından kullanılır) ve sonuçlarının güvenilir olup olmadığı. Bunun gibi sistemler faydalı olabilir ve öğretmenleri şu anda sorunlu bir öğrenciye doğru soruyu doğru zamanda sormaya yönlendirebilir. Ancak doğruluğuna ve öğretmenlerin bunu öğrencilerle ilgili görüşlerini bildirmek için nasıl kullandığına bağlı olarak, öğrenci performansına, esenliğine ve hatta akademik başarısına da zarar verebilir.
Öğrencilerin duygusal durumlarının uzun vadeli analizini çevreleyen sorular da ortaya çıkıyor – bunlar gibi sistemlerden gelen bir rapor, öğrencileri doğrudan üniversiteden işe alan bir şirket tarafından “depresif” veya “dikkatli” gibi etiketler atılarak kullanılabilir mi? Etkilenen bireylerin bu verilere ne ölçüde erişimi olmalıdır? Peki ya öğrencilerin duygusal mahremiyeti – duygusal durumlarını içselleştirme kapasiteleri? Duygularımızın etiketlenmesi ve herkes tarafından erişilebilir olması konusunda rahat mıyız – özellikle de yapay zekanın diğer tarafında güçlü bir konumda biri varsa?
Gözetleme ile yapay zeka güdümlü, yardımcı teknolojiler arasındaki çizgi inceliyor gibi görünüyor ve sınıf, tehlikede olan ortamlardan sadece biri. Bu, kalplerimizi kollarımıza takmak için tamamen yeni bir yorum getiriyor.
