CC BY
13
Реф. ст. : КРОСС Э.С., РЭМСИ Р. РАЗУМ ВМЕСТЕ С МАШИНОЙ : НА ПУТИ К КОГНИТИВНОЙ НАУКЕ ВЗАИМОДЕЙСТВИЯ ЧЕЛОВЕКА И МАШИНЫ.
CROSS E.S., RAMSEY R. Mind meets machine : towards a cognitive science of human-machine interactions // Trends in cognitive sciences. -2021. - Vol. 25, N 3. - P. 200-212. - Mode of access: https://doi.org/ 10.1016/j .tics.2020.11.009
Ключевые слова: когнитивная наука; когнитивная нейронау-ка; искусственный интеллект; человеко-машинное взаимодействие; социальные роботы.
Для цитирования: Сущин М.А. [Реф. ст.] // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Сер. 8 : Науковедение. - 2021. - № 3. - С. 51-56. Реф. ст. : Кросс Э.С. (Cross E.S.), Рэм-си Р. (Ramsey R.). Разум вместе с машиной : на пути к когнитивной науке взаимодействия человека и машины = Mind meets machine : towards a cognitive science of human-machine interactions // Trends in cognitive sciences. - 2021. - Vol. 25, N 3. - P. 200-212. - Mode of access: https://doi.org/10.1016/j.tics.2020.11.009.
Авторы из Австралии предлагают свою концепцию для изучения нейрокогнитивных механизмов, лежащих в основе взаимодействия человека и машин, используя достижения когнитивной нейронауки, с помощью которых можно связать разные уровни описания с соответствующими им теориями и методами.
В настоящее время наблюдается значительный прогресс в индустрии создания роботов, способных помогать людям в их заботах по дому, в школах, в больницах. При этом когнитивные и мозговые механизмы, отвечающие за взаимодействие с такого рода устройствами, остаются практически неисследованными. Исследование, проведенное авторами статьи, имеет большое значение для создания «социальных устройств искусственного интеллекта»
(artificially intelligent social machines), а также для более глубокого понимания механизмов социального взаимодействия в принципе.
Изучение когнитивных и мозговых механизмов, находящихся в основании взаимодействия человека и машины, представляет собой новое поле исследований, которое сталкивается с некоторыми специфическими вызовами. Сегодня существует значительное разнообразие устройств искусственного интеллекта (ИИ), к которым относятся и повсеместно распространенные смартфоны и роботы-андроиды. По-видимому, взаимодействие с ними обеспечивается целым рядом когнитивных способностей, а не каким-либо одним типом процессов. Более того, даже наиболее продвинутые социальные роботы обладают свойствами как неживых предметов, так и одушевленных существ. Соответственно, из-за трудностей, связанных с отнесением их к какой-либо из привычных категорий понимания реальности, исследование ментальных репрезентаций, обеспечивающих взаимодействие с этими устройствами, сталкивается с серьезными проблемами. По мнению авторов, предлагаемая ими концепция будет полезна для теорий социального познания, поскольку она дает более ясное понимание природы самого социального познания.
Чтобы понять принципы взаимодействия с социальными роботами и другими устройствами ИИ, авторы предлагают рассматривать их в контексте более широкого круга объектов, с которыми люди имеют дело в повседневной жизни. Так, данные устройства могут быть представлены как класс орудий или инструментов для выполнения специфических задач. В когнитивной нейронауке было проведено огромное количество исследований, посвященных тому, как мозг воспринимает и категоризирует видимые средовые стимулы: лица, части тела, объекты, инструменты и т.д. Было сделано предположение, что такого рода объекты обрабатываются частично диссоциативными (dissociable) нейрокогнитивными системами. На этой основе в этой области был достигнут значительный прогресс.
Между тем понимание принципов восприятия и категоризации человеком искусственных интеллектуальных устройств пока что весьма ограничено по ряду причин. Во-первых, когнитивная нейронаука человеко-машинного взаимодействия (ЧМВ) - дисциплина, которая появилась не так давно. Во-вторых, при попытке
отнесения устройств ИИ к какой-либо ясно очерченной категории (например, «люди», «дома», «животные» и т.п.) возникают большие трудности.
Для решения второй проблемы авторы предлагают собственный подход, именуемый «мерным» (dimensional). Краеугольным камнем этого подхода является акцент на разнообразии устройств ИИ и их характеристик. Так, в настоящее время наблюдается значительный прогресс в создании роботов для разных областей, включая сферу услуг, образование, здравоохранение и т.д., что подчеркивает значимость исследований нейрокогнитивных механизмов взаимодействия с разными типами устройств.
До настоящего момента большая часть исследований различий в восприятии людьми роботов и других людей была сосредоточена на сравнении мозговых и поведенческих откликов на роботов и людей соответственно. Эти работы основывались на допущении, что роботы - это «люди в оловянном костюме». С одной стороны, указывают авторы, это допущение является вполне здравым и оправданным. Например, на его основе можно изучать, реализуется ли различными нейронными механизмами восприятие «лиц» роботов в сравнении с человеческими лицами. С другой стороны, работа исключительно на основе данного допущения может существенно ограничить дальнейший теоретический и эмпирический прогресс в силу трех причин. Во-первых, не ясно, будут ли получены какие-либо ценные сведения в результате исследований с роботами, целенаправленно наделенных антропоморфными чертами. Во-вторых, у роботов есть черты как неодушевленных инструментов и предметов, так и, например, животных. Поэтому анализ влияния животных или инструментов может быть столь же ценным, как и исследования социального познания. В-третьих, общие нейрокогнитивные функции, связанные с памятью, вниманием и семантикой, пока что сильно недооцениваются в исследованиях ЧМВ.
По мнению авторов, общие свойства социальных устройств и объектов позволяют разработать объяснительную платформу (framework) в такой же мере, как и общие свойства социальных роботов и человека. Такой подход имеет несколько преимуществ. Прежде всего, как следует из полученных в когнитивной нейро-науке данных, восприятие объектов представляет собой сложный
процесс, функционирование которого обеспечивает множество регионов мозга. По этой причине больший акцент на сходствах, а не на различиях когнитивных архитектур, отвечающих за восприятие объектов и социальное восприятие, может представлять немалую ценность.
Далее, использование более общих подходов может дать более точные результаты в процессе исследования. Организуемым традиционным образом экспериментальным исследованиям может недоставать точности в оценке вовлеченности определенных когнитивных или мозговых механизмов в восприятии роботов или людей. Поэтому важный вызов для будущей теоретической и эмпирической работы по проблемам ЧВМ состоит в отделении общих механизмов от специфических механизмов социального взаимодействия, а также в определении характера отношений между этими системами.
Соответственно, второй ключевой принцип предлагаемой авторами концепции состоит в том, что в исследованиях ЧМВ наряду с данными из области социального познания необходимо принимать во внимание результаты из более общих разделов когнитивной науки, изучающих память, внимание, восприятие объектов и т.д. По мнению авторов, базовое допущение здесь должно заключаться в том, что ЧМВ возможно благодаря кооперации различных форм познания и опыта.
Третьим ключевым принципом предлагаемой авторами концепции является требование, чтобы особые условия взаимодействия с социальными устройствами ИИ учитывались моделями функционирования мозга и познания. Так, знание привычных для человека объектов и агентов формирует ожидания, которые в свою очередь опосредуют восприятие и действия с этими объектами и агентами. Между тем в отношении роботов такого рода опыт взаимодействия (а значит, и возможностей формирования соответствующих ожиданий), как правило, существенно ограничен, что влечет за собой определенные следствия. Одним из этих следствий является то, что люди могут формировать смутные или нереалистичные ожидания в отношении того, что эти устройства способны делать (как это, например, случается, когда они сталкиваются с роботами в супермаркете или аэропорту после некоторого опыта взаимодействия с похожими устройствами в лабораторных усло-
виях). Другая схожая проблема вызывается несоответствием между внешним видом роботов и их функциями. Даже наиболее антропоморфные роботы могут обладать весьма скудными способностями для социального взаимодействия, тогда как такие устройства, как Amazon Echo (напоминающий по своему виду цилиндрический пресс-папье), напротив, оказываются в состоянии отвечать на достаточно сложные запросы со стороны человека (с помощью помощников типа Alexa). В результате в нейрокогни-тивных исследованиях ЧМВ нет необходимости искать прямые связи между восприятием внешнего вида устройств и ожиданиями, связанными с их функциями.
По мнению авторов, преимущество предлагаемой ими концепции заключается в том, что в ее рамках предлагается рассматривать вопросы ЧМВ в более широком контексте нейрокогнитив-ных исследований. Наиболее уместной установкой в отношении ее перспектив и перспектив исследования ЧМВ в целом представляется осторожный оптимизм (cautious optimism). Чтобы добиться прогресса, необходимо принимать во внимание трудности понимания человеческого фактора в структуре ЧМВ. Упрощенные экспериментальные процедуры, наделяющие человеческими свойствами неживые объекты, едва ли способны внести значимый вклад в создание интерактивных устройств ИИ. Текущие проблемы данного поля исследований не могут быть решены только при помощи лучше организованных экспериментов - требуется также серьезная теоретическая работа для формулирования релевантных вопросов.
По утверждению авторов, предлагаемая ими концепция имеет ограниченную сферу применения, не будучи актуальной для всего поля социальной робототехники. Отчетливо оговаривая ограничения своей концепции, авторы тем не менее полагают, что с ее помощью можно будет достигнуть прогресса благодаря призыву к кооперации специалистов из разных областей когнитивной науки. Таким образом, достижение более развитого понимания взаимодействия социальных роботов и познания станет возможным благодаря кооперации «всего спектра когнитивных дисциплин, включая философию, психологию, также нейронауку, поскольку теория и эмпирические свидетельства из этих дисциплин
явным образом способны предложить многое данному предприятию» (с. 210).
М.А. Сущин *
* Сущин Михаил Александрович - кандидат философских наук, старший научный сотрудник Центра научно-информационных исследований по науке, образованию и технологиям ИНИОН РАН.
