Científicos intentan enseñar a un robot cuándo es apropiado REÍR
September 24, 2022 Noticias , TecnologíaLos robots son famosos por ser fríos, duros e insensibles, por lo que es posible que no sean la mejor audiencia para tu broma favorita.
Sin embargo, los científicos en Japón buscan cambiar su reputación enseñándoles cuándo y cómo reír usando inteligencia artificial (IA).
Los investigadores crearon un androide, llamado ‘Erica’, al que entrenaron para detectar la risa en una conversación y luego decidir si reír en respuesta y qué tipo de risa sería mejor.
Luego, sus conversaciones y risas fueron observadas por voluntarios, quienes decidieron que sus respuestas demostraban empatía y semejanza humana.
El autor principal, el Dr. Koji Inoue, de la Universidad de Kyoto, dijo: «Creemos que una de las funciones importantes de la IA conversacional es la empatía».
‘La conversación es, por supuesto, multimodal, no solo responder correctamente.
«Así que decidimos que una forma en que un robot puede empatizar con los usuarios es compartir su risa, lo que no se puede hacer con un chatbot basado en texto».
Los investigadores crearon ‘Erica’, un robot entrenado para detectar la risa en una conversación y luego decidir si reír en respuesta y qué tipo de risa sería mejor (imagen de archivo)
Luego, sus conversaciones y risas fueron observadas por voluntarios, quienes decidieron que sus respuestas demostraban empatía y semejanza humana. En la imagen: un ejemplo de una conversación entre Erica y una persona
El objetivo de la investigación, publicada hoy en Fronteras en robótica e IA fue desarrollar una IA que pueda comprender los matices humanos del humor.
Si bien sería posible entrenar un algoritmo para reconocer la risa o leer un chiste, estas habilidades no le permitirían replicar una conversación natural.
Los investigadores primero desarrollaron un modelo de ‘risa compartida’ para que Erica lo ejecutara, lo que le permitiría responder a la risa humana como una respuesta empática.
Este modelo hace tres preguntas sucesivas para que el robot responda adecuadamente a una señal de conversación.
Primero es ‘¿Se rió el usuario?’, luego ‘¿Erica se reirá en respuesta? y finalmente, si responde afirmativamente a ambas, ‘¿Qué tipo de risa es la adecuada?’.
Los tipos de risa que elegiría Erica son una ‘risa social’, una risita educada para llenar una conversación cuando el humor no está involucrado, o una ‘risa alegre’ para situaciones divertidas.
El modelo de risa compartida hace tres preguntas sucesivas para que el robot responda adecuadamente a una señal de conversación. Primero es ‘¿Se rió el usuario?’, luego ‘¿Erica se reirá en respuesta? y finalmente, si responde afirmativamente a ambas, ‘¿Qué tipo de risa es la adecuada?’
Para enseñar a la IA a usar el modelo de risa compartida de manera efectiva, los investigadores recopilaron datos enviando citas rápidas al robot.
Erica, que fue operada a distancia por cuatro actrices amateurs, mantuvo más de 80 diálogos con estudiantes universitarios varones.
Las risas que aparecían durante las conversaciones se categorizaban entonces como solitarias, sociales o alegres.
Luego, esto se usó para entrenar la red neuronal de Erica sobre cómo decidir cuándo es apropiado reír y qué tipo de risa usar.
El Dr. Inoue dijo: «Nuestro mayor desafío en este trabajo fue identificar los casos reales de risa compartida, lo cual no es fácil porque, como saben, la mayoría de las risas en realidad no se comparten en absoluto».
«Tuvimos que categorizar cuidadosamente exactamente qué risas podíamos usar para nuestro análisis y no simplemente asumir que se puede responder a cualquier risa».
Para enseñar a la IA a usar el modelo de risa compartida de manera efectiva, los investigadores recopilaron datos enviando citas rápidas al robot. Erica, que fue operada a distancia por cuatro actrices amateurs, mantuvo más de 80 diálogos con estudiantes universitarios varones.
A continuación, se puso a prueba el recién desarrollado sentido del humor de Erica sentándola para conversar con un ser humano.
Se escribieron cuatro diálogos breves, cada uno de los cuales inspiró una respuesta diferente del robot mientras ejecutaba su modelo de risa compartida.
Para el primero solo proferiría risa social, en el segundo y tercero solo risa alegre y en el cuarto usaría ambos tipos de risa combinados.
Además del modelo de risa compartida desarrollado durante las citas rápidas, el equipo también creó otros dos modelos de referencia para ejecutar como comparación.
Uno en el que nunca se reiría durante la conversación y otro en el que pronunciaría una risa social cada vez que la persona se riera, independientemente del contexto.
¿CÓMO SABE ERICA CUÁNDO REÍR?
El robot, llamado Erica, ejecuta un modelo de ‘risa compartida’ especialmente diseñado.
El modelo hace tres preguntas sucesivas para que el robot responda adecuadamente a una señal de conversación.
Primero es ‘¿Se rió el usuario?’, luego ‘¿Erica se reirá en respuesta? y finalmente, si responde afirmativamente a ambas, ‘¿Qué tipo de risa es la adecuada?’.
Los tipos de risa que elegiría Erica son una ‘risa social’, cuando el humor no está involucrado, o una ‘risa alegre’ para situaciones divertidas.
Recibió capacitación sobre cómo responder las preguntas utilizando datos de conversaciones de citas rápidas, donde los tipos de risa se anotaron como solistas, sociales o alegres.
Luego, Erica participó en cada uno de los cuatro diálogos mientras ejecutaba el modelo de risa compartida y ambos modelos de referencia.
Estos fueron grabados y escuchados por más de 130 personas, quienes evaluaron las interacciones en función de la empatía, la naturalidad, la semejanza humana y la comprensión.
El modelo de risa compartida, donde Erica se hizo las tres preguntas para decidir su respuesta de risa, se desempeñó mejor que cualquier línea de base.
«El resultado más significativo de este documento es que hemos demostrado cómo podemos combinar las tres tareas en un solo robot», dijo el Dr. Inoue.
«Creemos que este tipo de sistema combinado es necesario para un comportamiento de risa adecuado, no solo para detectar una risa y responder a ella».
Erica se limita a la risa social y alegre, y hay muchos otros estilos en los que debe entrenarse antes de que pueda mantener una conversación natural y humana.
El Dr. Inoue dijo: ‘Hay muchas otras funciones y tipos de risa que deben tenerse en cuenta, y esta no es una tarea fácil.
Ni siquiera hemos intentado modelar las risas no compartidas, aunque son las más comunes.
“Los robots deberían tener un carácter distinto, y creemos que pueden mostrarlo a través de sus comportamientos conversacionales, como la risa, la mirada, los gestos y el estilo de hablar.
«No creemos que este sea un problema fácil en absoluto, y pueden pasar más de 10 a 20 años antes de que finalmente podamos tener una conversación informal con un robot como lo haríamos con un amigo».
CÓMO APRENDEN LAS INTELIGENCIAS ARTIFICIALES UTILIZANDO LAS REDES NEURONALES
Los sistemas de IA se basan en redes neuronales artificiales (ANN), que intentan simular la forma en que funciona el cerebro para aprender.
Las ANN se pueden entrenar para reconocer patrones en la información, incluidos el habla, los datos de texto o las imágenes visuales, y son la base de una gran cantidad de desarrollos en IA en los últimos años.
La IA convencional utiliza la entrada para «enseñar» un algoritmo sobre un tema en particular alimentándolo con cantidades masivas de información.
Los sistemas de IA se basan en redes neuronales artificiales (ANN), que intentan simular la forma en que funciona el cerebro para aprender. Las ANN se pueden entrenar para reconocer patrones en la información, incluidos el habla, los datos de texto o las imágenes visuales.
Las aplicaciones prácticas incluyen los servicios de traducción de idiomas de Google, el software de reconocimiento facial de Facebook y los filtros en vivo de alteración de imágenes de Snapchat.
El proceso de ingreso de estos datos puede llevar mucho tiempo y está limitado a un tipo de conocimiento.
Una nueva generación de ANN llamada Adversarial Neural Networks enfrenta el ingenio de dos bots de IA, lo que les permite aprender unos de otros.
Este enfoque está diseñado para acelerar el proceso de aprendizaje, así como para refinar el resultado creado por los sistemas de IA.