Vil A.I. Kan snart erstatte litterære lærde?

Med en ægtefælle, der studerer udviklingen af ​​kunstig og naturlig intelligens og den anden, der forsker på Tysklands sprog, kultur og historie, forestiller man diskussionerne ved vores spisebord. Vi oplever ofte stereotypiske sammenstød i synspunkter mellem den kvantificerbare, målebaserede tilgang til naturvidenskaben og den mere kvalitative tilgang af humaniora, hvor det, der betyder mest, er, hvordan folk føler noget eller hvordan de oplever eller fortolker det.

Vi besluttede at tage en pause fra dette mønster for at se, hvor meget hver tilgang kunne hjælpe den anden. Specielt ønskede vi at se, om aspekter af kunstig intelligens kunne vise nye måder at fortolke en ikke-fiktiv grafisk roman om Holocaust. Vi endte med at finde ud af, at nogle A.I. teknologier er endnu ikke avancerede og robuste nok til at levere nyttige indsigter - men enklere metoder resulterede i kvantificerbare målinger, som viste en ny mulighed for fortolkning.

Valg af tekst

Der er masser af forskning til rådighed, der analyserer store tekstkroppe, så vi valgte noget mere komplekst for vores A.I. analyse: Reinhard Kleist s The Boxer, en grafisk roman baseret på den sande historie om hvordan Hertzko "Harry" Haft overlevede nazistiske dødslejre. Vi ønskede at identificere følelser i ansigtsudtryk af hovedpersonen, der vises i bogen, for at finde ud af om det ville give os en ny linse til forståelse af historien.

I denne sort-hvide tegneserie fortæller Haft sin forfærdelige historie, hvor han og andre koncentrationslejr indsatte blev lavet til at kasse hinanden til døden. Historien er skrevet fra Hafts perspektiv; Interspersed i hele fortællingen er paneler med flashbacks, der skildrer Hafts minder om vigtige personlige begivenheder.

Humanistisk tilgang ville være at analysere og kontekstualisere elementer i historien eller fortællingen som helhed. Kleists grafiske roman er en genfortolkning af en biografisk roman fra 2009 af Hafts søn Allan, baseret på, hvad Allan vidste om hans fars oplevelser. Analyse af dette komplekse sæt af forfatteres fortolkninger og forståelser kan kun tjene til at tilføje et andet subjektivt lag oven på de eksisterende.

Ud fra videnskabsfilosofiens synsvinkel ville det kun gøre tingene mere komplicerede. Forskere kan have forskellige fortolkninger, men selv om de alle er enige om, ville de stadig ikke vide, om deres indsigt var objektivt sandt, eller hvis alle lider af den samme illusion. At løse dilemmaet ville kræve et eksperiment med det formål at skabe en måling, som andre kunne reproducere selvstændigt.

Reproducerbar fortolkning af billeder?

I stedet for at fortolke billederne selv, underkastede dem vores egne forspændinger og forudindstillinger håbede vi at A.I. kunne bringe en mere objektiv opfattelse. Vi startede med at scanne alle panelerne i bogen. Derefter løb vi Googles vision A.I. og Microsoft AZUREs ansigtsgenkendelse og følelsesmæssige karakteranbefalinger også.

Algoritmerne, vi plejede at analysere The Boxer blev tidligere uddannet af Google eller Microsoft på hundredtusinder af billeder, der allerede er mærket med beskrivelser af, hvad de skildrer. I denne træningsfase vil A.I. systemer blev bedt om at identificere, hvad billederne viste, og disse svar blev sammenlignet med de eksisterende beskrivelser for at se om systemet blev uddannet, var rigtigt eller forkert. Træningssystemet styrket elementerne i de underliggende dybe neurale netværk, der producerede korrekte svar, og svækkede de dele, der bidrog til forkerte svar. Både metoden og træningsmaterialerne - billederne og annotationerne - er afgørende for systemets ydeevne.

Så vendte vi A.I. løs på bogen billeder. Ligesom på Familiefejde, hvor showets producenter spørger 100 fremmede et spørgsmål og tæller op hvor mange vælger hvert potentielt svar, spørger vores metode en A.I. at afgøre, hvilke følelser et ansigt viser. Denne tilgang tilføjer et nøgleelement, der ofte mangler, når subjektivt fortolker indhold: reproducerbarhed. Enhver forsker, der ønsker at tjekke, kan køre algoritmen igen og få de samme resultater, som vi gjorde.

Desværre fandt vi, at disse A.I. værktøjer er optimeret til digitale fotografier, ikke scanninger af sort-hvide tegninger. Det betød, at vi ikke fik meget pålidelige data om følelserne i billederne. Vi blev også forstyrret for at finde ud af, at ingen af ​​algoritmerne identificerede nogen af ​​billederne som relateret til holocaust- eller koncentrationslejrene - selv om menneskelige seere let kunne identificere disse temaer. Forhåbentlig skyldes det, at A.I.s havde problemer med de sort-hvide billeder selv og ikke på grund af uagtsomhed eller forspænding i deres træningssæt eller annoteringer.

Bias er et velkendt fænomen i maskinindlæring, som kan have virkelig offensiv resultater. En analyse af disse billeder udelukkende baseret på de data, vi fik, ville ikke have diskuteret eller anerkendt Holocaust, en undladelse, der er imod loven i Tyskland, blandt andre lande. Disse mangler fremhæver betydningen af ​​kritisk evaluering af nye teknologier, inden de anvendes mere bredt.

Finde andre reproducerbare resultater

Bestemt for at finde en alternativ måde for kvantitative tilgange til at hjælpe humaniora, endte vi med at analysere lysstyrken af ​​billederne, sammenligne flashback scener til andre øjeblikke i Hafts liv. Til dette formål kvantificerede vi lysstyrken af ​​de scannede billeder ved hjælp af billedanalysesoftware.

Vi fandt ud af, at i hele bogen er følelsesmæssigt lykkelige og lyse faser som hans fængslet flugt eller Hafts efterkrigstid i USA vist ved hjælp af lyse billeder. Traumatiserende og triste faser, som fx hans koncentrationslejr oplevelser, vises som mørke billeder. Dette stemmer overens med farvespecifikke identiteter af hvid som en ren og glad tone og sort som symboliserer sorg og sorg.

Efter at have etableret en generel forståelse for, hvordan lysstyrken bruges i bogenes billeder, så vi nærmere på flashback scener. Alle afbildede følelsesmæssigt intense begivenheder, og nogle af dem var mørke, som f.eks. Minder om at kreme andre koncentrationslejrindsatte og forlade sit livs kærlighed.

Vi var imidlertid overraskede over at finde ud af, at de tilbageskridt, der viser Haft om at slå modstandere til døden, var lyse og klare - hvilket tyder på, at han har en positiv følelse af det kommende fatale møde. Det er det nøjagtige modsatte af, hvad læsere som os føler formentlig, når de følger historien, måske at se Hafts modstander så svag og indse, at han er ved at blive dræbt. Når læseren føler medlidenhed og empati, hvorfor er Haft følelsen positiv?

Denne modsigelse, der findes ved at måle billedernes lysstyrke, kan afsløre et dybere indblik i, hvordan de nazistiske dødslejre ramte Haft følelsesmæssigt. For os lige nu er det utænkeligt, hvordan udsigterne til at slå en anden ihjel i en boksekamp ville være positive. Men måske var Haft i en sådan desperat situation, at han så håbet på overlevelse, da han vendte sig mod en modstander, der var endnu mere sultet, end han var.

Ved anvendelse af A.I. redskaber til at analysere dette litteratur kaste nyt lys på nøgleelementer af følelser og hukommelse i bogen - men de erstattede ikke en ekspert eller en lærer til at fortolke tekster eller billeder. Som et resultat af vores eksperiment mener vi, at A.I. og andre beregningsmetoder udgør en interessant mulighed med potentialet for mere kvantificerbar, reproducerbar og måske objektiv forskning i humaniora.

Det vil være udfordrende at finde måder at bruge A.I. passende i humaniora - og så meget desto mere fordi nuværende A.I. systemer er endnu ikke sofistikerede nok til at arbejde pålideligt i alle sammenhænge. Forskere bør også være opmærksomme på potentielle forstyrrelser i disse værktøjer. Hvis det ultimative mål for A.I. forskning er at udvikle maskiner, der konkurrerer med menneskelig erkendelse, kunstige intelligenssystemer må måske ikke kun opføre sig som mennesker, men også forstå og fortolke følelser som mennesker.

Denne artikel blev oprindeligt udgivet på The Conversation af Leonie Hintze og Arend Hintze http://theconversation.com/profiles/arend-hintze-225106. Læs den oprindelige artikel her.