Sẽ A.I. Sớm có thể thay thế các học giả văn học?

Với một người phối ngẫu nghiên cứu sự tiến hóa của trí tuệ nhân tạo và tự nhiên và người còn lại nghiên cứu ngôn ngữ, văn hóa và lịch sử của Đức, hãy tưởng tượng các cuộc thảo luận tại bàn ăn tối của chúng tôi. Chúng ta thường trải nghiệm sự xung đột rập khuôn trong các quan điểm giữa cách tiếp cận dựa trên số lượng, khoa học tự nhiên và cách tiếp cận định tính hơn của nhân văn, trong đó điều quan trọng nhất là cách mọi người cảm nhận điều gì, hoặc cách họ trải nghiệm hoặc giải thích nó.

Chúng tôi quyết định nghỉ ngơi từ mô hình đó, để xem mỗi phương pháp có thể giúp ích cho phương pháp kia đến mức nào. Cụ thể, chúng tôi muốn xem liệu các khía cạnh của trí tuệ nhân tạo có thể đưa ra những cách mới để diễn giải một tiểu thuyết đồ họa phi hư cấu về Holocaust hay không. Chúng tôi cuối cùng đã phát hiện ra rằng một số A.I. các công nghệ chưa đủ tiên tiến và đủ mạnh để cung cấp những hiểu biết hữu ích - nhưng các phương pháp đơn giản hơn đã dẫn đến các phép đo có thể định lượng cho thấy một cơ hội mới để giải thích.

Chọn một văn bản

Có rất nhiều nghiên cứu có sẵn để phân tích các khối văn bản lớn, vì vậy chúng tôi đã chọn một cái gì đó phức tạp hơn cho A.I. phân tích: Reinhard Kleist Các võ sĩ, một cuốn tiểu thuyết đồ họa dựa trên câu chuyện có thật về cách Hertzko trong thời gian sống của Hertzko Harry Harry Haft sống sót sau các trại tử thần của Đức quốc xã. Chúng tôi muốn xác định cảm xúc trong nét mặt của nhân vật chính được hiển thị trong cuốn sách minh họa của cuốn sách, để tìm hiểu xem điều đó có cho chúng tôi một lăng kính mới để hiểu câu chuyện hay không.

Trong phim hoạt hình đen trắng này, Haft kể câu chuyện kinh hoàng của mình, trong đó anh ta và các tù nhân tập trung khác được thực hiện để đóng hộp cho đến chết. Câu chuyện được viết từ quan điểm của Haft,; xen kẽ trong suốt bài tường thuật là những tấm hồi tưởng mô tả ký ức của Haft, về các sự kiện cá nhân quan trọng.

Cách tiếp cận nhân văn sẽ là phân tích và bối cảnh hóa các yếu tố của câu chuyện, hoặc toàn bộ câu chuyện. Cuốn tiểu thuyết đồ họa Kleist xông là một bản giải thích lại cuốn tiểu thuyết tiểu sử năm 2009 của con trai Haft, Allan, dựa trên những gì Allan biết về kinh nghiệm của cha mình. Phân tích tập hợp các tác giả phức tạp này Các diễn giải và hiểu biết chỉ có thể phục vụ để thêm một lớp chủ quan khác lên trên các lớp hiện có.

Từ quan điểm của triết học khoa học, mức độ phân tích đó sẽ chỉ làm cho mọi thứ phức tạp hơn. Các học giả có thể có những cách hiểu khác nhau, nhưng ngay cả khi tất cả đều đồng ý, họ vẫn sẽ không biết liệu cái nhìn sâu sắc của họ là khách quan hay nếu mọi người đều chịu chung một ảo ảnh. Giải quyết vấn đề nan giải sẽ đòi hỏi một thử nghiệm nhằm tạo ra một phép đo mà những người khác có thể sinh sản độc lập.

Giải thích sinh sản của hình ảnh?

Thay vì tự mình giải thích các hình ảnh, khiến chúng bị thiên kiến ​​và định kiến ​​của chúng ta, chúng tôi hy vọng rằng A.I. có thể mang lại một cái nhìn khách quan hơn. Chúng tôi bắt đầu bằng cách quét tất cả các bảng trong cuốn sách. Sau đó, chúng tôi đã chạy tầm nhìn Google Google A.I. và nhận dạng khuôn mặt và chú thích nhân vật cảm xúc của Microsoft AZURE.

Các thuật toán chúng tôi sử dụng để phân tích Các võ sĩ trước đây đã được Google hoặc Microsoft đào tạo về hàng trăm ngàn hình ảnh đã được gắn nhãn với các mô tả về những gì họ mô tả. Trong giai đoạn đào tạo này, A.I. các hệ thống được yêu cầu xác định những gì hình ảnh hiển thị và những câu trả lời được so sánh với các mô tả hiện có để xem hệ thống được đào tạo là đúng hay sai. Hệ thống đào tạo đã củng cố các yếu tố của mạng lưới thần kinh sâu bên dưới tạo ra câu trả lời đúng và làm suy yếu các phần đóng góp cho câu trả lời sai. Cả phương pháp và tài liệu đào tạo - hình ảnh và chú thích - đều rất quan trọng đối với hiệu suất của hệ thống.

Sau đó, chúng tôi đã biến A.I. thả lỏng trên cuốn sách hình ảnh. Giống như trên Gia đình Feud, trong đó các nhà sản xuất chương trình dạy hỏi 100 người lạ một câu hỏi và đếm xem có bao nhiêu người chọn mỗi câu trả lời tiềm năng, phương pháp của chúng tôi hỏi một A.I. để xác định cảm xúc mà khuôn mặt đang thể hiện. Cách tiếp cận này thêm một yếu tố chính thường bị thiếu khi diễn giải chủ quan nội dung: độ tái lập. Bất kỳ nhà nghiên cứu nào muốn kiểm tra đều có thể chạy lại thuật toán và nhận được kết quả giống như chúng tôi đã làm.

Thật không may, chúng tôi thấy rằng những A.I. các công cụ được tối ưu hóa cho các bức ảnh kỹ thuật số, không quét các bản vẽ đen trắng. Điều đó có nghĩa là chúng tôi không nhận được nhiều dữ liệu đáng tin cậy về cảm xúc trong ảnh. Chúng tôi cũng cảm thấy bối rối khi thấy rằng không có thuật toán nào xác định bất kỳ hình ảnh nào liên quan đến Holocaust hoặc trại tập trung - mặc dù người xem con người sẽ dễ dàng xác định các chủ đề đó. Hy vọng rằng, đó là vì A.I.s có vấn đề với chính hình ảnh đen trắng, và không phải do sơ suất hoặc sai lệch trong các tập huấn luyện hoặc chú thích của họ.

Bias là một hiện tượng nổi tiếng trong học máy, có thể có kết quả thực sự gây khó chịu. Một phân tích về những hình ảnh này chỉ dựa trên dữ liệu chúng tôi nhận được sẽ không thảo luận hoặc thừa nhận Holocaust, một thiếu sót trái với luật pháp ở Đức, giữa các quốc gia khác. Những sai sót này nêu bật tầm quan trọng của việc đánh giá nghiêm túc các công nghệ mới trước khi sử dụng chúng rộng rãi hơn.

Tìm kết quả sinh sản khác

Quyết tâm tìm ra một cách khác cho các phương pháp định lượng để giúp đỡ nhân loại, cuối cùng chúng tôi đã phân tích độ sáng của các bức ảnh, so sánh các cảnh hồi tưởng với các khoảnh khắc khác trong cuộc sống của Haft. Để đạt được điều đó, chúng tôi đã định lượng độ sáng của hình ảnh được quét bằng phần mềm phân tích hình ảnh.

Chúng tôi thấy rằng trong suốt cuốn sách, những giai đoạn cảm xúc hạnh phúc và nhẹ nhàng như vượt ngục của anh ta hay cuộc sống sau chiến tranh của Haft, ở Mỹ được thể hiện bằng những hình ảnh tươi sáng. Các giai đoạn đau thương và buồn, như kinh nghiệm trại tập trung của anh, được hiển thị dưới dạng hình ảnh tối. Điều này phù hợp với tâm lý màu sắc xác định màu trắng là một tông màu thuần khiết và hạnh phúc, và màu đen tượng trưng cho nỗi buồn và đau buồn.

Khi đã thiết lập một sự hiểu biết chung về cách sử dụng độ sáng trong các hình ảnh cuốn sách, chúng tôi đã xem xét kỹ hơn các cảnh hồi tưởng. Tất cả đều mô tả các sự kiện cảm xúc mãnh liệt, và một số trong số đó là bóng tối, chẳng hạn như hồi ức về việc hỏa táng các tù nhân tập trung khác và rời khỏi tình yêu của cuộc đời anh.

Tuy nhiên, chúng tôi đã rất ngạc nhiên khi thấy rằng những đoạn hồi tưởng cho thấy Haft sắp đấm đối thủ đến chết rất sáng sủa và rõ ràng - cho thấy anh ta đang có một cảm xúc tích cực về cuộc gặp gỡ chí mạng sắp tới. Điều đó trái ngược hoàn toàn với những gì độc giả như chúng tôi có thể cảm thấy khi họ theo dõi câu chuyện, có lẽ thấy đối thủ của Haft đã yếu đuối và nhận ra rằng anh ta sắp bị giết. Khi người đọc cảm thấy thương hại và đồng cảm, tại sao Haft lại cảm thấy tích cực?

Sự mâu thuẫn này, được tìm thấy bằng cách đo độ sáng của hình ảnh, có thể tiết lộ một cái nhìn sâu sắc hơn về cách các trại tử thần của Đức Quốc xã ảnh hưởng đến Haft một cách tình cảm. Đối với chúng tôi, ngay bây giờ, không thể tưởng tượng được viễn cảnh đánh người khác đến chết trong một trận đấu quyền anh sẽ tích cực như thế nào. Nhưng có lẽ Haft đã ở trong một tình huống tuyệt vọng đến mức anh ta thấy hy vọng sống sót khi đối mặt với một đối thủ thậm chí còn đói hơn anh ta.

Sử dụng A.I. các công cụ để phân tích tác phẩm văn học này đã làm sáng tỏ các yếu tố chính của cảm xúc và trí nhớ trong cuốn sách - nhưng chúng không thay thế các kỹ năng của một chuyên gia hoặc học giả trong việc diễn giải các văn bản hoặc hình ảnh. Theo kết quả thí nghiệm của chúng tôi, chúng tôi nghĩ rằng A.I. và các phương pháp tính toán khác mang đến một cơ hội thú vị với tiềm năng cho các nghiên cứu có thể định lượng, tái sản xuất và có thể khách quan hơn trong nhân văn.

Sẽ rất khó khăn để tìm cách sử dụng A.I. một cách thích hợp trong các ngành nhân văn - và tất cả đều như vậy bởi vì A.I. các hệ thống chưa đủ tinh vi để hoạt động đáng tin cậy trong mọi bối cảnh. Các học giả cũng nên cảnh giác với những thành kiến ​​tiềm năng trong các công cụ này. Nếu mục tiêu cuối cùng của A.I. nghiên cứu là phát triển những cỗ máy cạnh tranh với nhận thức của con người, hệ thống trí tuệ nhân tạo có thể không chỉ cần hành xử như mọi người mà còn hiểu và giải thích cảm giác như mọi người.

Bài viết này ban đầu được xuất bản trên Cuộc trò chuyện của Leonie Hintze và Arend Hintze http://theconversation.com/profiles/arend-hintze-225106. Đọc văn bản gôc ở đây.