Professor: Datorerna måste bli bättre på att förstå oss människor

18.11.2024

Har du kämpat med tekniska prylar eller appar nyligen utan att lyckas? Du är inte ensam om den känslan.

Foto: Mikael Sjövall

 

Varför är det så många som upplever att tekniska innovationer kan vara svåra att använda? Enligt professor Antti Oulasvirta vid Aalto-universitetet är det inte nödvändigtvis fel på människans kognitiva förmåga då det känns knepigt att hantera tekniska manicker.

– Datorer har i regel en ganska bristfällig förståelse för mänskligt beteende. Vi människor skulle få mera ut av artificiell intelligens om datorerna skulle förstå oss användare lite bättre, säger Oulasvirta.

Oulasvirta driver ett stort forskningsprojekt som i år har fått ett understöd på 2,5 miljoner euro från Europeiska forskningsrådet ERC. Oulasvirta har lång erfarenhet av att analysera interaktionen mellan datorer och människor.

– Jag har bland annat forskat i hur man med hjälp av förstärkningsinlärning, som är en form av maskininlärning, kan få en mjukvaruagent att agera på ett sätt som ger en belöning till datorn – och människan.

Psykologi och biomekanik

Oulasvirta har specialiserat sig på matematisk modellering som gestaltar det mänskliga sinnet i olika situationer och som sedan används som underlag för AI.

– Forskningen på området tog ett stort kliv framåt 2015 då Googles AI-företag Deepmind utvecklade en modell för djupinlärning och förstärkningsinlärning på ett sätt som förutser mänskligt beteende i olika situationer.

Modellen tillämpas i dag i en lång rad AI-innovationer.

– Genom att använda oss av modeller från psykologin och biomekaniken kan vi utveckla simulatorer som förutser olika scenarier för hur en människa förväntas reagera och sedan beakta de här scenarierna i tillämpningen av artificiell intelligens.

Oulasvirtas simulatorer kan användas till exempel för att förbättra trafiksäkerheten.

– Vi har utvecklat simulatorer som förutser hur förare kan registrera fotgängare i trafiken och hur trötthetstillstånd påverkar observationsförmågan. Det här är viktig information för bilindustrin som satsar alltmer på utvecklingen av automatiserade fordon och så kallade take over-funktioner där AI tar över navigeringen av bilen.

Simulerade verkligheter

Oulasvirtas team har också samarbetat med de största aktörerna inom sociala medier.

– Vi samarbetar med mediebolagen Meta och Google kring simulerad verklighet. Projekten kan ta upp till två år eftersom det tar tid att gräva fram relevant anatomisk och psykologisk information som behövs för att simulera mänskligt beteende.

En del av forskningsprojekten går ut på att simulera situationer där människor måste göra flera saker samtidigt, vilket utlöser en stressituation som sedan kan lösas med hjälp av AI.

– Ett av våra projekt simulerade situationer där Saabs piloter skulle göra flera saker samtidigt under pågående flygning. Vi har forskat kring möjligheter att utveckla AI som kan avlasta piloterna i dessa situationer.

Ett annat tillämpningsområde är beräkningsmässig design som gör det lättare att hitta det som användarna är ute efter på webben.

Med hjälp av parametriserade modeller kan designen av webbsidor optimeras så att det blir lättare att gestalta det som är det viktigaste innehållet på sajten, förklarar Oulasvirta.

Datorer kan imitera känslor

Oulasvirtas honnörsord stavas användbarhet. Genom att simulera mänskligt beteende och finkalibrera tekniken blir det lättare för datorer och människor att förstå varandra. Under Oulasvirtas vägledning har användarerfarenheten av en lång rad tekniska innovationer förbättrats med upp till 25 procent.

Hur kan AI förstå sig på vårt medvetande och beakta om vi människor har en dålig eller bra dag?

– På ett grundläggande plan kan vi säga att AI aldrig kommer att hinna i kapp oss människor i det avseendet. Å andra sidan är det ju också så att vårt medvetande bygger på korttidsminnet, vilket vi kan modellera och det kan AI i sin tur lära sig.

Oulasvirta understryker att AI kan lära sig mer om de upphovsmekanismer som ligger som grund för människans sinnestillstånd och känslor.

– Vissa känslor uppstår via framgångar och misslyckanden. Det är fullt möjligt att modellera och simulera till exempel frustration.

Känsloyttringar är kontextuella och ofta relaterade till social interaktion med andra människor.

– Vi vet att barn väljer att gråta inför sina föräldrar för att få uppmärksamhet, men att barn låter bli att gråta om det inte ger önskad effekt då de är ensamma. Den här dimensionen kan vi modellera i viss mån, men inte till alla delar.

Vi människor kan ju bete oss självdestruktivt och irrationellt, vilket kan vara svårt att förutse i matematiska modeller. Hur löser ni det?

– Bra att du tar upp det. Psykologin som vetenskap utgick tidigare från att människan är irrationell och att matematiken är kall och logisk. Sanningen finns där någonstans mitt emellan. Vi kan modellera människans förmåga att fatta rationella beslut. Det som skenbart är ett irrationellt beslut kan i själva verket vara ett rationellt avvägande. Allt beror på människans målsättningar. Allt det här kan AI lära sig.

Liknande artiklar

04.12.2024

Trots bristen på pengar är Finland bättre på innovation än vi anar

02.12.2024

10 år med programmering i läroplanen

30.11.2024

Diplomingenjör och Fiskars vd Nathalie Ahlström årets alumn vid Åbo Akademi