Vzdělávání s AI — Virtuální facilitátoři a vzdělávací prostředí

Kristina Vébrová
Nov 14 · 7 min read
media.istockphoto.com/photos/virtual-human

Otázka existence a poplatnosti virtuálních lidí ve vzdělávání je sama o sobě balancováním na tenkém ledě. Avšak pokrok nezastavíme a díky technologickým možnostem se společnosti otevírá oblast po využití tzv. “Virtual Humans”, tedy virtuální lidské průvodce a zprostředkovatele pro využití ve vzdělávacích a terapeutických prostředích.

Virtuální lidé jsou počítačově vytvořené postavy, které mají vypadat a
chovat jako skuteční lidé. Studie ukázaly, že virtuální lidé mohou napodobovat mnoho sociálních efektů, které se vyskytují v interakcích mezi lidmi, jako například vytváření vztahu a lidé reagují na virtuální lidi způsobem, který je podobný tomu, jak reagují na skutečné lidi. Někteří vědci věří, že virtuální lidé představují novou metaforu pro interakci s počítači, v níž se práce s počítačem podobá interakci s člověkem, a to může přinést sociální prvky, které nejsou obvykle spojovány s konvenčními technologiemi. Vznikly dva systémy, které ztělesňují tyto myšlenky. První z nich je nazývána jednoduše dvojčata — “The Twins”.

ada and grace

The Twins jsou virtuálními docenty v Museum of Science v Bostonu a jsou navržena k podpoře zájmu o vědu, technologie, inženýrství a matematiku (STEM). Primárním publikem jsou děti ve věku od 7 do 14 let, poté zejména ženy a další skupiny, které jsou v oblasti STEM nedostatečně zastoupeny. průvodci vycházejí z přístupu použitého v projektu SGT Star character a Gunslinger a rozšiřují jej. Interakce s postavami probíhá tak, že operátor stiskne tlačítko “push-to-talk” a promluví do mikrofonu. Klient pro získávání zvuku poté odešle zvuk do automatického rozpoznávače řeči (ASR), který vytvoří hypotézy o slovech, která byla řečena, a poté tento text odešle do modulu Language Understanding (LU). Modul ASR používá sadu nástrojů SONIC s vlastními jazykovými a akustickými modely. Modul LU používá statistický algoritmus pro klasifikaci textu, který namapuje text mluveného slova na odpovědi znaků. Z knihovny skriptovaných odpovědí pro danou oblast vybere sadu odpovědí, které považuje za vhodné pro danou výpověď, a předá je modulu pro správu dialogu (DM). Modul DM použije tuto sadu odpovědí a nedávnou historii dialogů k výběru jedné odpovědi, kterou mají postavy provést. Odpověď je někdy sekvence výroků; v takovém případě DM udržuje plán čekajících výroků a posílá je po jednom animačním komponentám, přičemž před odesláním dalšího výroku čeká na signál zpětného volání. Pokud jsou znaky přerušeny další promluvou operátora před dokončením rozvrhu, může DM zbývající sekvenci zrušit. Dvojice modulů LU/DM využívá software NPCEditor. Klasifikační algoritmus NPCEditor analyzuje text vzorových výroků a text odpovědí a vytváří statistický model “překladatelského vztahu”, který určuje, jak obsah vstupního výroku určuje pravděpodobnou vhodnost odpovědi. Konkrétně se učí, jak vypočítat podmíněnou pravděpodobnost výskytu určitého slova v odpovědi znaku vzhledem k výroku operátora. Když NPCEditor obdrží nový (případně dosud neviděný) výrok, použije tyto informace o překladu k vytvoření modelu toho, co považuje za nejlepší odpověď pro daný výrok. Klasifikátor pak porovnává tuto reprezentaci s každou uloženou odpovědí a vrací DM části NPCEditoru nejlepší shodu. Naproti tomu tradiční přístup založený na klasifikaci textu by porovnával novou otázku se vzorovými otázkami a pak by přímo vracel odpovídající odpovědi, přičemž by ignoroval skutečný text odpovědi. Bylo zjištěno, že tento klasifikační přístup “založený na překladu” významně zvyšuje účinnost klasifikátoru pro nedokonalé rozpoznávání řeči. NPCEditor byl použit v řadě aplikací a ukázalo se, že je úspěšný v úlohách šumové klasifikace. Dvojčata mají velkou, ale omezenou množinu odpovědí (v současnosti asi 400), takže postavy se mohou opakovat. Jedním z úkolů DM je přizpůsobit výběr klasifikátoru nedávné historii dialogu a vybrat odpovědi, které nebyly slyšeny. DM také řeší případy, kdy klasifikátor nevrací žádné odpovědi. K tomu dochází, když operátor položí otázku, na kterou postavy nemají odpověď, nebo když modul ASR nerozumí řeči. V takovém případě klasifikátor rozhodne, že žádná ze známých odpovědí není vhodná. Databáze znaků obsahuje řadu odpovědí, které se nazývají “mimo téma”. Tyto odpovědi sahají od žádostí k opakování “Mohl byste se na to zeptat ještě jednou?” až po výroky naznačující, že postavy nevědí, jak na otázky odpovědět “Opravdu bych si přál, abychom na to měli odpověď”.

Animační proces je přepracován z procesu používaného v SGTStar a využívá systém realizace chování Smartbody (SBM) a nový modul sekvenceru, stejně jako animační engine Game-bryo. Modul sekvenceru načítá animační rozvrhy v jazyce Be-havior Markup Language (BML) pro každý z pohybů, které přicházejí ze systému DM. Protože jazyk BML v interpretaci SBM animuje pouze jednoho agenta, obsahuje rozvrh sekvenceru řadu synchronizačních bodů, které se přenášejí zpět do sekvenceru. Když sekvencer obdrží tato zpětná volání, vyšle další BML rozvrhy k animaci druhého agenta, takže obě postavy mohou reagovat apod. propriálně reagovat, zatímco druhá postava mluví. SBM používá několik řadičů chování a prolínání, aby realizoval specifickou kombinaci pohybu, a výsledné příkazy posílá hernímu nástroji Gamebryo, který pohyb generuje.

Druhým příkladem využití “Virtual Humans” je SimCoach, který využívá empatického virtuálního člověka, poskytujícího veteránům a jejich rodinám informace o posttraumatické stresové poruše a depresi.

Skupina výzkumníků a klinických lékařů rozpoznala potenciální dopad VR technologie a vytvořila významnou výzkumnou literaturu, která dokumentuje mnoho klinických cílů, kde VR může přinést přidanou hodnotu oproti tradičním přístupům hodnocení a intervence (Holden, 2005; Parsons & Rizzo, 2008;Powers & Emmelkamp, 2008; Rose, Brooks & Rizzo, 2005; Riva, 2005). Toto spojení exponenciálního pokroku v základních technologiích umožňujících použití virtuální reality s rostoucím množstvím klinického výzkumu a zkušeností podpořilo vývoj oboru klinické virtuální reality. A tento stav nyní může změnit vizi budoucí klinické praxe a výzkumu v oborech psychologie, medicíny, neurovědy, fyzické a ergoterapie a v mnoha příbuzných zdravotnických oborech, které se zabývají terapeutickými potřebami osob s klinickými poruchami.

Tyto změny ve společenském a vědeckém prostředí nyní připravují půdu pro další významné posuny v klinické virtuální realitě. S pokrokem v technologiích, které umožňují navrhovat stále uvěřitelnější “strukturální” prostředí VR (např. domovy, učebny, kanceláře, trhy atd.), bude další důležitou výzvou obsadit tato prostředí reprezentacemi virtuálního člověka (VH), které jsou schopny podporovat uvěřitelnou interakci s lidmi -
skutečnými uživateli VR. To neznamená, že by se reprezentace lidských podob v klinických scénářích VR již užitečně neobjevily. Od poloviny devadesátých let se v aplikacích VR běžně používají virtuální lidé jako stimulační prvky, které svou statickou přítomností zvyšují realističnost virtuálního světa. Klinický zájem o uměle inteligentní agenty určené k interakci s lidmi má kořeny v práci Joe Weizenbauma, výzkumníka v oblasti umělé inteligence na MIT. V roce 1966 napsal program pro analýzu jazyka s názvem ELIZA, který byl navržen tak, aby napodoboval rogeriánského terapeuta. Systém umožňoval uživateli počítače komunikovat s virtuálním terapeutem psaním jednoduchých vět, které odpovídaly na otázky terapeuta. Weizenbaum usoudil, že simulace nesměrového psychoterapeuta je jedním z nejjednodušších způsobů, jak simulovat lidské verbální interakce, a byla to přesvědčivá simulace, která dobře fungovala na dálnopisných počítačích.

Bill-Ford-a-SimCoach-character-SimCoach-virtual-humans

Spíše než fungování na principu tradičního webového portálu, umožňuje SimCoach uživatelům zahájit a vést dialog o svých zdravotních problémech s interaktivním virtuálním člověkem. Obecně jsou tyto inteligentní grafické postavy navrženy tak, aby pomocí řeči, gest a emocí představovaly možnosti systému, získávaly základní anonymní informace o historii a klinických/psychosociálních problémech uživatele, poskytovaly rady a podporu, nasměrovaly uživatele na relevantní online obsah a případně usnadnily proces vyhledání vhodné péče u živého klinického poskytovatele.

Implicitním motivem projektu SimCoach je podpora uživatelů, u nichž se zjistí, že potřebují pomoc, aby se rozhodli učinit první krok k zahájení psychologické nebo lékařské péče u živého poskytovatele. Cílem SimCoach není odstranit všechny překážky v péči nebo poskytovat diagnostické či terapeutické služby, které by nejlépe poskytoval skutečný klinický poskytovatel. SimCoach bude spíše podporovat pohodlí a důvěru tím, že bude podporovat snahu uživatelů lépe porozumět své situaci, prozkoumat dostupné možnosti a v případě potřeby zahájit léčbu. Koordinátorem této zkušenosti bude SimCoach, kterého si uživatel vybere z různých možností archetypálních postav, a který bude odpovídat na přímé otázky a/nebo uživatele povede sekvencí otázek, cvičení a hodnocení specifických pro uživatele. Tato interakce mezi virtuálním člověkem a uživatelem poskytne systému informace potřebné k tomu, aby uživatele navedl k příslušnému dalšímu kroku zapojení do systému nebo k zahájení kontaktu s živým terapeutem.

Systematické využívání uměle inteligentních virtuálních lidí v aplikacích klinické virtuální reality je zatím v počátcích. Doby omezeného používání jako jednoduchých rekvizit nebo statických prvků, které dodávají VR aplikaci realističnost nebo kontext, jsou však zjevně minulostí. V tomto článku byl představen obecný přístup k návrhu a vývoji projektu SimCoach VH, který má sloužit jako online průvodce nebo kouč klinické zdravotní péče. Tato práce je zaměřena na odbourávání bariér v přístupu k péči (stigma, neznalost, složitost atd.) tím, že vojenským veteránům a jejich blízkým osobám poskytuje důvěrnou pomoc při exploraci a přístupu k obsahu zdravotní péče a pro podporu zahájení péče u živého odborníka v případě potřeby. Tato práce také poskytne mnoho výzkumných příležitostí pro zkoumání funkčních a etických otázek spojených s procesem vytváření a interakce s virtuálními lidmi v klinickém kontextu. Vzhledem k tomu, že pokrok v oblasti výpočetního výkonu, grafiky a animace, umělé inteligence, rozpoznávání řeči a zpracování přirozeného jazyka pokračuje současným tempem, je vytvoření vysoce interaktivních, inteligentních VH pro tyto klinické účely nejen možné, ale i pravděpodobné.

Zdroje:

WILLIAMS, Josh. Virtual Museum Guides. Academia.edu. [online] 2021; [cit. 2021–10–31]; dostupné z: https://www.academia.edu/51541532/Virtual_Museum_Guides

LANGE, Belinda a spol. SimCoach: An Intelligent Virtual Human System for Providing HealthcareInformation and Support. Academia.edu. [online] 2021; [cit. 2021–10–31]; dostupné z: https://www.academia.edu/27489785/11263_SimCoach_IITSEC2011

EDTECH KISK

Educational Technology, KISK Masaryk University

EDTECH KISK

Educational Technology, KISK Masaryk University

Kristina Vébrová

Written by

Studentka Informačních služeb a knihovnictví

EDTECH KISK

Educational Technology, KISK Masaryk University