محققان به دنبال راهی برای طراحی روبات های انسانی هستند - وبلاگ سیمبیان

به گزارش وبلاگ سیمبیان، محققان با آنالیز رفتار انسان ها به دنبال راهی برای ایجاد ویژگی های بیشتر انسانی در روبات ها هستند.

به گزارش خبرنگار فناوری وبلاگ سیمبیان، مطالعات نشان می دهد که تفاوت های رفتاری بین روبات ها و انسان ها می توانند الگوریتم های یادگیری ماشینی جدیدی را ایجاد نمایند. روبات ها حساب هایی در شبکه اجتماعی هستند که توسط نرم افزار های مصنوعی کنترل می شوند و خدمات متفاوتی با اهداف متفاوت از جمع آوری اخبار تا یاری های اتوماتیک به خرده فروشان را انجام می دهند. امروزه روبات ها به عنوان بخشی از نیروی خدماتی در مقیاس های عظیم نیز کاربرد های زیادی دارند.

یک مطالعه جدید نشان می دهد که وجود گرایش های رفتاری کوتاه مدت در انسان ها که در ربات های شبکه های اجتماعی وجود ندارد، مثالی از اثر انسان بر شبکه های اجتماعی است که می تواند اهرمی برای توسعه روش های پیچیده تر تشخیص ربات باشد. این تحقیق اولین مطالعه در نوع خود برای اعمال رفتار کاربر در یک شبکه اجتماعی به منظور تشخیص مسائل ربات است. ربات ها مداوم توسعه پیدا می نمایند تا رفتار های انسان که در شبکه های اجتماعی نشان می دهند را بیشتر و بیشتر تقلید نمایند.

امیلی فررا استادیار علوم کامپیوتر و سرپرست تیم تحقیقاتی در انستیتوی علوم اطلاعات دانشگاه کالیفرنیای جنوبی گفت: هر زمانی که ما یک ویژگی شخصیتی در رفتار انسان ها می بینیم، مثلاً احساس آن ها در موضوعات مختلف مورد علاقه شان، فورا متوجه می شویم که روبات های توسعه یافته جدید می توانند چنین ویژگی هایی را نیز داشته باشند.

در این پروژه محققان چگونگی تغییر رفتار انسان ها و روبات ها را طی دوره های فعالیت در شبکه های اجتماعی با استفاده از یک مجموعه داده توئیتری عظیم مرتبط با رویداد های سیاسی اخیر آنالیز کردند. در این دوره ها محققان عوامل مختلف ازجمله تمایل به فعالیت در تعاملات اجتماعی و مقدار محتوی فراوری شده را برای مشاهده رفتار کاربر اندازه گیری کردند؛ سپس این نتایج بین انسان ها و روبات ها مقایسه شد.

برای مطالعه رفتار کاربران روبات و انسانی طی یک جلسه فعالیت، محققان بر شاخص های کیفی و کمی تعاملات اجتماعی که یک کاربر در آن حضور دارد مانند تعداد بازنشر های یک توییت، تعداد پاسخ ها، و تعداد منشن ها، تمرکز کردند.

آن ها از این نتایج رفتاری استفاده کردند تا یک سیستم طبقه بندی شده را برای تشخیص روبات ها ارائه داده و بیان نمایند که آیا دربرگری ویژگی های توصیفی می تواند عملکرد شناسایی را بهبود ببخشید یا نه. برای 2 مجموعه مختلف از طبقه بندی ها یک محدوده فناوری یادگیری ماشینی استفاده شد: یکی شامل ویژگی هایی که پویایی جلسات را توصیف میکند و دیگری که به عنوان طبقه بندی پایه، شامل چنین ویژگی هایی نیست.

محققان دریافتند در بین انسان ها تمایلاتی وجود دارد که در بین ربات ها نیست؛ انسان ها افزایش در میزان تعاملات اجتماعی در این فعالیت ها و یک کاهش در مقدار محتوای فراوری شده نشان دادند. به نظر می رسد کاهش به این دلیل باشد که در طول فرایند جلسات کاربران انسانی به مرور زمان خسته شده و کمتر دوست دارند فعالیت های پیچیده انجام دهند. شرح دیگر اینکه، با گذشت زمان کاربران در شبکه های اجتماعی پست ها و توییت های بیشتری را ملاحظه می نمایند؛ بنابراین احتمال واکنش و تعامل بین آن ها افزایش می یابد، اما در مقابل، در هر دو مورد آنالیز شده ربات ها هیچ تغییری در رفتار نشان ندادند و رفتار آن ها تحت تاثیر این ملاحظات قرار نگرفت.

محققان از این نتایج رفتاری برای آگاهی از یک سیستم طبقه بندی شده برای تشخیص روبات استفاده کردند و دریافتند مدل کامل که شامل ویژگی های توصیغی پویایی جلسه است، به طور قابل توجهی از سیستمی که شامل این ویژگی ها نیست بهتر عمل می نماید. این نتایج حاکی از آن است که رفتار کاربران در شبکه های اجتمعی بین روبات ها و انسان ها متفاوت بوده و این تفاوت می توانند منجر به ایجاد یک سیستم تشخیص روباتی جدید یا بهبود روبات های موجود گردد.

امیلی می گوید: ربات ها به طور مداوم در حال تحول هستند. با پیشرفت های سریع هوش مصنوعی می توانید ربات های زیادی ایجاد کنید که بیشتر و بیشتر نحوه حرف زدن و تعاملات ما را در پلتفرم های آنلاین تقلید می نمایند. ما به طور مداوم در تلاشیم تا ابعاد خاص رفتار های انسانی در شبکه های اجتماعی که می توانند برای توسعه ربات های پیچیده تر استفاده شوند را شناسایی کنیم.