Питер Бентли - Всё об искусственном интеллекте за 60 минут

Университеты достигли заметных успехов в области создания социальных роботов. Например, широкую известность получил робот Kismet , спроектированный Синтией Бризил из МТИ. Он представляет собой немного странно выглядящую карикатурную голову, способную понимать выражения лиц, жесты и тон голоса, а также реагировать на все это с помощью подвижных губ, бровей, глаз и ушей.

Керстин Даутенхан и Бен Робинс из Университета Хартфордшира разработали робота Kaspar – он похож на ребенка и используется для взаимодействия с детьми-аутистами, чтобы помочь им в развитии коммуникативных навыков и достижении эмоционального благополучия. «Многие люди с аутизмом тяготеют к технологиям, особенно к предсказуемости, которую они обеспечивают. А это значит, что такие технологии могут быть очень полезны детям и взрослым», – объясняет Кэрол Пови, директор Центра аутизма при Национальном обществе аутизма.

В течение какого-то времени компании пытались создать домашних роботов, которые привлекали бы пользователей большей эмоциональной осведомленностью и индивидуальностью. В их числе детский робот-динозавр Pleo, Vector от компании Anki и Keepon – милый маленький танцующий робот в форме желтого снеговика, изобретенный Хидеки Козимой из Национального института информационных и коммуникационных технологий (версия этого робота под названием Zingy появилась в рекламной кампании EDF Energy в 2012 году).

Выпущенный в 2006 году Nabaztag , умный домашний робот-кролик, мог читать электронные письма и спрашивать что-то вроде «Где моя шляпа? Ты видел мою шляпу?», а также двигать ушами. Несмотря на исследование, которое показало, что робот был популярен среди пожилых людей, он никогда не работал достаточно хорошо, чтобы соответствовать требованиям всех покупателей, и производителю пришлось остановить его выпуск – так часто происходит с компаниями, занимающимися социальными роботами. Немного жаль, что таких милых, забавных и полезных роботов к 2020 году заменили многочисленные домашние станции. Эти безликие цилиндрические колонки звучат так, будто могут выражать эмоции посредством тона своего голоса. Однако они не обладают ни собственными эмоциями, ни способностью понимать наши.

Конечная цель эмоционального ИИ – дать ИИ его собственные эмоции. Распознавание эмоций у других лишь помогает вам понять, что ваше поведение оказывает определенное влияние. Ощущение же собственных эмоций позволяет вам сопереживать и принимать решения более эффективно.

Исследователи симулировали эмоции в своих ИИ и мультиагентных моделях в течение многих лет. Одни просто использовали понятие стоимости (скажем, 0,9 для счастья); другие – модели с нечеткой логикой. Симулированные эмоции могут быть реактивными, то есть возникающими автоматически: к примеру, страх, вызванный огнем, счастье во время приема пищи. Некоторые модели эмоций включают в себя психологические особенности, такие как личностные свойства, чтобы ограничить влияние каждой эмоции на поведение. Для создания правил об эмоциональных состояниях использовали символьные методы ИИ: если оцениваемая ситуация повысила ясность и удовольствие, она создает радость. Таким образом, агент начинает «чувствовать» радость, гнев, удивление, страх, панику, беспокойство, сожаление, а также понимает причину этих эмоций. В настоящее время другие исследователи приступили к моделированию физиологической реализации эмоций, при этом эмоциональные состояния меняют поведение нейронных сетей так же, как области нашего мозга – лимбическая система и миндалина – влияют на его поведение как системы. Точно так же, как настоящие эмоции помогают нам функционировать в реальном мире, включение эмоций в искусственные нейронные сети, как надеются исследователи, позволит роботам отражать и изучать эмоциональные состояния, в результате чего они обретут способность быстро и эффективно выносить суждения, как это делаем мы.

Вопрос не в том, могут ли разумные машины иметь какие-либо эмоции, а в том, могут ли эти машины быть разумными без каких-либо эмоций.

Нечеткая логика – это разновидность многозначной логики, впервые предложенная математиком и информатиком Лотфи Заде в 1965 году. В то время как нормальная логика основана на бинарном «да/нет», «включено/выключено», нечеткая логика определяет степень принадлежности к множеству. Нечеткая логика напоминает вероятность, но отличается от нее: значение нечеткой логики представляет собой степень, с которой данные относятся к значению в пределах неясно заданного набора, тогда как вероятность – это возможность чего-либо. В то время как логическое выражение имеет бинарную логическую переменную «счастливый», которая принимает значение «да» или «нет», в нечеткой логике та же концепция будет формулироваться с использованием нескольких лингвистических переменных, соответствующих нечетким множествам. Например, концепция настроения может быть размыта и содержать: нечеткое множество понятия «счастливый» со значением 0,8; нечеткое множество понятия «печальный» со значением 0,3; «злой» – 0,1 и «удивленный» – 0,4. Использование лингвистических переменных делает нечеткую логику намного более понятной. Сегодня она широко применяется в ИИ, которые контролируют метро, подъемники и даже рисоварки.