HAI; cu premiile Seed Grant 2018
Anunțarea câștigătorilor primei cohorte HAI de Seed Grants
În 2018, au fost finanțate 25 de propuneri de cercetare inovatoare. Propunerile câștigătoare sunt extrem de colaborative, interdisciplinare și lucrează pentru a continua dezvoltarea, aplicarea și studiul inteligenței artificiale centrate pe om și a problemelor conexe.
Exemple adversare pentru oameni?
Gregory Valiant și Noah Goodman
Moderarea automată a deliberării grupurilor mici
Ashish Goel și James Fishkin
În timp ce Internetul a revoluționat multe aspecte ale vieții umane, inclusiv comerțul, publicitatea, interacțiunile sociale și educația, nu a fost încă pus în aplicare pentru a fi o forță definitivă în deliberarea la scară largă - de fapt, grupurile deschise de chat și panourile de mesaje deseori dedicați apelurilor de nume și conversației neproductive atunci când discutați probleme de fond. Acest proiect urmărește să dezvolte un bot moderator care poate media conversații deliberative în grupuri mici, menținându-le civile, angajate și la obiect. Planificăm să combinăm cu atenție elemente algoritmice cu elemente de design care să încurajeze grupul să se modereze colectiv. Unul dintre obiectivele noastre este de a dezvolta această platformă până la punctul în care poate fi utilizată pentru a scala caracteristicile de proiectare ale Deliberative Polling® online la populații mari alocate diverselor grupuri mici.
Diagnosticul pacientului „întotdeauna activ”
Gill Bejerano și Jon Bernstein
Corectarea prejudecăților etnice și de gen în algoritmii AI
James Zou, Londa Schiebinger, Serena Yeung și Carlos Bustamante
Algoritmii de învățare automată pot conține părtiniri de gen și etnice. Tendințele apar dintr-o varietate de surse, variind de la discrepanțe în datele de formare la alegeri inconștiente sau conștiente în proiectarea algoritmului. Pe măsură ce IA devine din ce în ce mai omniprezentă în viața de zi cu zi, o astfel de prejudecată, dacă nu este corectată, poate duce la inechități în serviciu și chiar discriminare sistematică împotriva anumitor populații. Modelarea, înțelegerea și corectarea prejudecăților umane dăunătoare în IA este, prin urmare, un pas esențial în dezvoltarea algoritmilor care sunt în mare parte benefici pentru umanitate. În acest proiect, vom dezvolta un cadru sistematic de audit al AI în care vom folosi învățarea automată pentru a descoperi și a corecta propriile prejudecăți. În colaborare cu oamenii de știință sociali, umaniști și experți în domeniu, vom aplica audit AI la algoritmi de învățare automată în aplicații biomedicale, text și viziune computerizată. Scopul nostru este de a face din auditul AI o componentă integrală a conductei standard de învățare automată din industrie și mediul academic.
Terapie cu inteligență artificială dinamică pentru autism pe Google Glass
Dennis Wall, Tom Robinson și Terry Wine
Activarea interacțiunilor în limbaj natural în software-ul educațional
Alex Kolchinski, Sherry Ruan, Dan Schwartz și Emma Brunskill
Titorul individual a fost considerat mult timp o practică eficientă în educație: într-o serie de studii, s-a demonstrat că tutorii ridică nivelul de performanță al elevilor cu o abatere standard sau mai mult. Tutorii de software arată promițător în extinderea accesului la îndrumare, dar au neajunsuri în raport cu îndrumătorii umani, printre care unul major este capacitatea de a viza răspunsuri utile și frecvente către studenți. În timp ce oamenii sunt capabili să facă acest lucru cu ajutorul interacțiunii în limbajul natural, software-ul de îndrumare depinde, în general, de indicii cu densitate mai mică, cum ar fi răspunsuri cu alegeri multiple pentru feedback-ul vizat. Reducerea acestui decalaj depinde de dezvoltarea unor mecanisme mai puternice pentru a detecta concepțiile greșite în explicațiile elevilor cu privire la raționamentul lor. Cu toate acestea, instruirea modelelor de învățare automată pentru a face acest lucru depinde de a avea un set de date etichetat suficient de mare, care nu există încă. Propunem să colectăm și să etichetăm un astfel de set de date pentru a stimula cercetarea în detectarea concepțiilor greșite ale elevilor asupra unei sarcini academice și pentru a implementa modele de bază pentru referința comunității.
Optimizare rapidă, multifazică, umană în buclă a asistenței la exoschelet
Steven Collins și Emma Brunskill
Exoscheletele și protezele active ar putea restabili mobilitatea persoanelor cu deficiențe neuromusculare, dar trebuie mai întâi să depășească provocările prezentate de corpurile noastre complexe, unice și în continuă schimbare. O nouă abordare promițătoare este optimizarea omului în buclă, în care un algoritm descoperă și personalizează automat tiparele de asistență pentru o persoană în timp ce utilizează dispozitivul (Zhang și colab., 2017, Știință). În acest proiect de semințe, vom dezvolta un nou algoritm pentru optimizarea omului în buclă, care funcționează separat pentru a învăța persoana cum să utilizeze exoscheletul și să optimizeze exoscheletul pentru a ajuta mai bine persoana. Vom trata faza de formare ca un proces de decizie Markov parțial observabil, în care expertiza persoanei este monitorizată și îmbunătățită, iar faza de optimizare ca un bandit contextual care utilizează optimizarea Bayesiană. Se așteaptă ca această abordare multifazică să aibă ca rezultat un antrenament mai eficient, o optimizare mai rapidă și o performanță locomotorie generală îmbunătățită. Scopul nostru pe termen lung este de a dezvolta exoschelete și proteze inteligente care se adaptează continuu la o persoană pe tot parcursul vieții, susținând orice provocări de locomoție pe care aleg să le abordeze.
Explorare gratuită în sisteme de AI centrate pe om
Mohsen Bayati și Ramesh Johari
Tendința de gen în conversațiile cu Chatbots
Katie Roehrick, Jeff Hancock, Byron Reeves, Londa Schiebinger, James Zou, Garrick Fernandez și Debnil Sur
În prezent, puține studii de interacțiune om-computer au folosit tehnologia automatizată de mesagerie chatbot pentru a studia prejudecățile de gen în comunicarea digitală. În timp ce literatura anterioară sugerează că utilizatorii răspund stereotip la oamenii virtuali de gen, majoritatea acestor studii utilizează personaje virtuale capabile de comportament nonverbal, cum ar fi gesturile și expresiile faciale, similare cu oamenii. Cu toate acestea, chatbot-urilor le lipsesc cele mai multe capacități de comunicare nonverbală; astfel utilizatorii vor forma impresii de chatbots pe baza unor indicii limitate (de exemplu, limbaj; aspect fizic, dacă este furnizată o imagine; sau proprietăți vocale, dacă botul este sintetizat prin voce). Astfel, propunem un program de cercetare multi-studiu pentru a examina prejudecățile în comunicarea chatbot. Pentru studiul inițial, vom manipula atât reprezentările vizuale, cât și limbajul, pentru a examina modul în care genul implicat interacționează cu indicii de expertiză în domeniu și gradul de reacție la chatbot pentru a afecta percepțiile și comportamentul utilizatorilor față de chatbots. Având în vedere lipsa actuală de cercetare cu privire la această întrebare, credem că acest studiu poate oferi o perspectivă atât de necesară asupra efectelor specifice ale caracteristicilor chatbot-ului asupra autodivulgării, în special în ceea ce privește impactul comportamentului nonverbal limitat asupra prejudecăților de gen în timpul interacțiunilor virtuale.