Η Τεχνητή Νοημοσύνη αποτελεί την τελευταία δεκαετία ένα από τα ταχύτερα εξελισσόμενα ερευνητικά πεδία. Πολλές από τις εφαρμογές που χρησιμοποιούμε καθημερινά ενσωματώνουν εργαλεία Τεχνητής Νοημοσύνης, με αποτέλεσμα να επαναπροσδιορίζεται ριζικά ο τρόπος που βιώνουμε την καθημερινότητα και εκτελούμε διάφορες εργασίες. Χαρακτηριστικά παραδείγματα εφαρμογών αποτελούν ο ημερήσιος προγραμματισμός, η επικοινωνία, η οδήγηση, η διασκέδαση (gaming) και άλλα πολλά. Στο πλαίσιο αυτό, οι ερευνητές μελετούν νέους τρόπους για να βελτιώνουν την εμπειρία του χρήστη και να κάνουν τα εργαλεία αυτά πιο προσιτά και εύχρηστα.
Ο δρ Μιχάλης Παπακώστας, υπότροφος του προγράμματος Joint PhDs, του Ινστιτούτου Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος» και του Τμήματος Computer Science and Engineering του Πανεπιστημίου του Τέξας στο Arlington, μιλά στο “Πρίσμα” για την έρευνά του στον τομέα της Μηχανικής Μάθησης και συγκεκριμένα σε εφαρμογές που αφορούν την επικοινωνία ανθρώπου - υπολογιστή.
Η έρευνά σας έχει να κάνει με την «Αλληλεπίδραση Ανθρώπου - Υπολογιστή». Με τι θέματα ασχολείστε σε αυτόν τον ερευνητικό τομέα;
Ο ερευνητικός τομέας της «Αλληλεπίδρασης Ανθρώπου - Υπολογιστή» είναι τμήμα της επιστήμης των υπολογιστών και αποσκοπεί στη δημιουργία εργαλείων λογισμικού που είναι υπεύθυνα για την ενίσχυση της ανθρώπινης απόδοσης, την αύξηση της παραγωγικότητας και την διασφάλιση της ανθρώπινης ασφάλειας. Δύο από τα βασικά ερωτήματα που προσπαθεί να απαντήσει το σχετικό ερευνητικό πεδίο είναι α) ποιες είναι οι ανάγκες του χρήστη και β) ποιες είναι οι δυνατότητές του. Η πολυτροπική παρακολούθηση των χρηστών, δηλαδή η ταυτόχρονη παρακολούθηση, μέσω αισθητήρων, ποικίλων σημάτων όπως είναι ο καρδιακός παλμός, η εφίδρωση, η αναπνοή αλλά και η έκφραση του προσώπου, ο τόνος της φωνής ή η γλώσσα του σώματος, έχει να αναδείξει πολλά αποτελέσματα για την απάντηση αυτών των ερωτημάτων.
Στόχος του πεδίου είναι, μέσα από τη μοντελοποίηση και την παρακολούθηση διαφόρων παραμέτρων της ανθρώπινης συμπεριφοράς, να προσφέρει πρωτοποριακές λύσεις σε διάφορους τομείς της καθημερινότητας, όπως η «έξυπνη» αποκατάσταση* μετά από ατυχήματα ή χειρουργικές επεμβάσεις, η «έξυπνη» οδήγηση ή η ασφάλεια και πρόβλεψη ατυχημάτων στον χώρο εργασίας.
Τι αφορούσε η έρευνά σας;
Η έρευνά μου στόχευε στη διερεύνηση των δυνατοτήτων της πολυτροπικής παρακολούθησης χρηστών με τη χρήση Τεχνητής Νοημοσύνης. Απώτερος στόχος ήταν η σχεδίαση εξατομικευμένων σεναρίων και διαδραστικών διεπαφών γύρω από δύο διαφορετικούς ερευνητικούς άξονες. Πρώτον, εστιάσαμε στα πλεονεκτήματα της επαναχρησιμοποίησης προϋπάρχουσας γνώσης, μεταξύ διαφόρων εφαρμογών και χρηστών, σε μια προσπάθεια ενίσχυσης των προγνωστικών μας μοντέλων. Δεύτερον, προσπαθήσαμε να ενισχύσουμε την πολυτροπική αλληλεπίδραση εκμεταλλευόμενοι δεδομένα που προέρχονται από πιο εξελιγμένες και λιγότερο διερευνημένες πηγές πληροφορίας, όπως η ανάλυση ηλεκτροεγκεφαλικής και ηλεκτρομυϊκής λειτουργίας, χρησιμοποιώντας μη παρεμβατικούς αισθητήρες. Στην προσπάθειά μας αυτή σχεδιάσαμε και υλοποιήσαμε μια σειρά πειραμάτων (από τη συλλογή δεδομένων έως την ανάλυση και την τελική εφαρμογή). Σε αυτά χρησιμοποιήσαμε και αξιολογήσαμε διαφορετικές προσεγγίσεις Μηχανικής Μάθησης σχετικά με την ικανότητά τους να μοντελοποιούν διαφορετικά συμπεριφορικά σήματα αλληλεπίδρασης.
Τι είδους πειράματα υλοποιήσατε;
Τα πειράματα αφορούν διάφορα είδη σημάτων και εφαρμογών, όπως είναι η ανάλυση φωνής, η ανάλυση κίνησης, ανάλυση μυοηλεκτρικών σημάτων κ.λπ. Παραδείγματος χάρη, τελευταία ασχοληθήκαμε με τον εντοπισμό και τον χαρακτηρισμό της νοητικής κόπωσης. Σε αυτό το πλαίσιο δημιουργήσαμε ένα παιχνίδι στο οποίο ο χρήστης θα πρέπει να επιτελέσει μια σειρά από εργασίες που σχετίζονται με τη λήψη αποφάσεων, σαν νοητικό τεστ, ενώ φοράει μια συσκευή που μετρά την εγκεφαλική λειτουργία. Ο υπολογιστής προσπαθεί να προσαρμόζεται στα σήματα που λαμβάνει αλλάζοντας τους κανόνες, προσαρμόζοντας το επίπεδο δυσκολίας και δημιουργώντας προσωπικές αναφορές σχετικά με την απόδοση του κάθε χρήστη. Το συγκεκριμένο πείραμα μας βοήθησε να συλλέξουμε δεδομένα για τη νοητική κόπωση. Πώς εκδηλώνεται, τι σήματα λαμβάνουμε, πώς αλλάζει η επίδοση σε συνάρτηση με αυτή και άλλα πολλά.
Ποια είναι η μεγαλύτερη πρόκληση που αντιμετωπίσατε και πώς συνδέεται με την πλατφόρμα CogBeacon που δημιουργήσατε;
Η συγκεκριμένη έρευνα έχει αυξημένη δυσκολία στη συλλογή δεδομένων. Απαιτεί συλλογή δεδομένων από πολλούς ανθρώπους που θα έρθουν στο εργαστήριο για αρκετή ώρα και θα κάνουν μια σειρά από δραστηριότητες φορώντας αισθητήρες. Βλέποντας τη δυσκολία στη συλλογή δεδομένων προσπάθησα να δημιουργήσω μια πλατφόρμα που θα βοηθούσε τους ερευνητές στη συλλογή και στον διαμοιρασμό δεδομένων που αφορούν την κατανόηση της νοητικής κόπωσης. Το CogBeacon αποτελείται από μια βάση πολυτροπικών δεδομένων καθώς και από μια ψηφιακή πλατφόρμα συλλογής δεδομένων για τη μοντελοποίηση της νοητικής κόπωσης και την κατανόηση των επιπτώσεών της στην ανθρώπινη απόδοση. Απ’ όσο γνωρίζουμε, το CogBeacon είναι η πρώτη προσπάθεια για τη δημιουργία ενός τυποποιημένου περιβάλλοντος για την καταγραφή και τον σχολιασμό πολυτροπικών δεδομένων σχετικά με το συγκεκριμένο πρόβλημα. Επίσης, είναι πλατφόρμα ανοιχτού λογισμικού και μπορεί όποιος θέλει να τη χρησιμοποιήσει.
Ποια είναι τα ερευνητικά σας σχέδια μετά την ολοκλήρωση της διδακτορικής διατριβής;
Από τον Ιούνιο του 2019 θα συνεχίσω την έρευνά μου ως μεταδιδακτορικός ερευνητής στο εργαστήριο Τεχνητής Νοημοσύνης του Πανεπιστημίου του Μίσιγκαν στο Αν Άρμπορ, όπου θα συνεργάζομαι με την καθηγήτρια Ράντα Μιχάλτσεα και τους συνεργάτες της. Η έρευνά μου θα αφορά και πάλι θέματα σχετικά με την πολυτροπική παρακολούθηση και μοντελοποίηση ανθρώπινων συμπεριφορών.
Η ταυτότητα της έρευνας
Η έρευνα έγινε στο πλαίσιο διδακτορικής διατριβής και συγκεκριμένα ως μέρος του προγράμματος Joint PhDs του Ινστιτούτου Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος» και του Τμήματος Computer Science and Engineering του Πανεπιστημίου του Τέξας στο Άρλινγκτον σε συνεργασία με το SKEL Lab (ΙΠΤ, ΕΚΕΦΕ «Δημόκριτος») και το HERACLEIA - Human-Centered Computing Laboratory (UTA).
* Φίλλια Μακεδών, καθηγήτρια στο Πανεπιστήμιο του Τεξας, Άρλινγκτον (κύρια επιβλέπουσα)
* Βαγγέλης Καρκαλέτσης, διευθυντής Ινστιτούτου Πληροφορικής και Τηλεπικοινωνιών, ΕΚΕΦΕ «Δημόκριτος» (συνεπιβλέπων)
Λήδα Αρνέλλου
*Τι είναι η “Έξυπνη” αποκατάσταση
Σε περιπτώσεις που χρειάζεται αποκατάσταση του ασθενή, για παράδειγμα μετά από ένα εγκεφαλικό επεισόδιο, οι ερευνητές σε συνεργασία με τους φυσικοθεραπευτές σχεδιάζουν ειδικές ασκήσεις εν είδει παιχνιδιών, οι οποίες βοηθούν σε συγκεκριμένες λειτουργίες. Για παράδειγμα, ο ασθενής, στο πλαίσιο της αποκατάστασης, πρέπει να κάνει κάποιες κινήσεις. Ένα σύστημα αισθητήρων παρακολουθεί τον ασθενή και δίνει στους θεράποντες γιατρούς περισσότερα στοιχεία για την κατάστασή του, ενώ κάνει τις δραστηριότητες αυτές και τις μεταβολές των μετρήσεων στον χρόνο. Ένα “έξυπνο” τέτοιο σύστημα θα μπορεί να λαμβάνει στοιχεία από τους αισθητήρες, για παράδειγμα για το επίπεδο κόπωσης του ασθενή, και να προσαρμόζει το επίπεδο δυσκολίας αυτόματα, χωρίς να είναι πάντα αναγκαία η ανθρώπινη επέμβαση.
