هوش مصنوعی نابینایان را کلافه می‌کند!
پژوهشگران دانشگاه مریلند (UMD) دریافته‌اند که ابزارهای کمکی بصری مبتنی بر هوش مصنوعی، ممکن است کاربر نابینا را وادار کنند برای دستیابی به اطلاعات مورد نیاز خود، تلاش بیش از حدی انجام دهد.
هوش مصنوعی می‌تواند تصویری را توصیف کند، اشیاء را تشخیص دهد و به پرسش‌هایی درباره آنچه دوربین می‌بیند، پاسخ دهد. اما زمانی که یک کاربر نابینا به پاسخی سریع نیاز دارد، دریافت توضیحات مفصل و طولانی درباره صحنه، چندان کارآمد نیست.
به گزارش فرارو به نقل از دیجیتال‌ترندز، پژوهشگران دانشگاه مریلند (UMD) دریافته‌اند که ابزارهای کمکی بصری مبتنی بر هوش مصنوعی، ممکن است کاربر نابینا را وادار کنند برای دستیابی به اطلاعات مورد نیاز خود، تلاش بیش از حدی انجام دهد.
این پژوهش با عنوان «به شیوه من بگو: بررسی کنترل در پرسش و پاسخ بصریِ گفت‌وگومحور با کاربران نابینا»، به چگونگی تعامل افراد با «Be My AI» - قابلیتی مبتنی بر هوش مصنوعی در اپلیکیشن «Be My Eyes» - پرداخته است.
محققان دریافتند که کاربران اغلب با توصیفاتی طولانی مواجه می‌شوند که پاسخگوی نیازهای فوری آن‌ها نیست؛ موضوعی که آن‌ها را ناچار می‌کند پرسش‌های تکمیلی مطرح کنند یا به دنبال راهکارهایی باشند تا هوش مصنوعی را به سمت ارائه پاسخی مفیدتر هدایت کنند.
هوش مصنوعی اطلاعاتی بیش از حدِ نیاز در اختیار کاربران نابینا قرار می‌دهد
پژوهشگران ۱۱ شرکت‌کننده نابینا را به کار گرفتند؛ این افراد ابتدا «Be My AI» را در محیط آزمایشگاهی آزمودند و سپس به مدت ۱۰ روز از آن در زندگی روزمره خود استفاده کردند. تیم پژوهشی ۴۱۸ مورد تعامل را تحلیل کرد و بررسی نمود که شرکت‌کنندگان چگونه پرسش‌های خود را مطرح می‌کردند، به پاسخ‌های هوش مصنوعی واکنش نشان می‌دادند و در صورتی که نتایج با هدف آن‌ها همخوانی نداشت، رویکرد خود را تغییر می‌دادند.
نتایج نشان‌دهنده‌عدم تطابق میان درخواست‌های کاربران و پاسخ‌های ارائه‌شده توسط هوش مصنوعی بود. شرکت‌کنندگان معمولاً پرسش‌هایی ۱۰ تا ۲۰ کلمه‌ای مطرح می‌کردند، در حالی که پاسخ‌های هوش مصنوعی بیش از ۱۰ برابر طولانی‌تر بودند. گفتگوها به‌طور میانگین شامل سه نوبت تبادل پیام بود، اما برخی از آن‌ها تا ۲۱ نوبت نیز ادامه می‌یافت. از آنجا که پاسخ‌ها به‌صورت صوتی (با صدای بلند) خوانده می‌شوند، یافتن یک جزئیات مفید ممکن است مستلزم شنیدن حجم زیادی از اطلاعات غیرضروری باشد.
در یک نمونه، شرکت‌کننده‌ای نابینا می‌خواست بداند آیا سوسیس‌ها پخته‌اند یا خیر. هوش مصنوعی بارها اعلام کرد که بخش‌هایی از آن هنوز صورتی به نظر می‌رسند؛ اما کاربر به‌جای شنیدن توصیفی دیگر از ظاهر غذا، به دنبال راهنمایی عملی درباره اقدام بعدی بود. در موردی دیگر، شرکت‌کننده‌ای که به دنبال کلیدهایش می‌گشت، به‌جای پاسخی متمرکز بر شیء گمشده، با توصیفی طولانی از کل تصویر مواجه شد. بیش از نیمی از شرکت‌کنندگان، عادتِ این اپلیکیشن به آغازِ پاسخ با توصیف کاملِ تصویر را مشکلی اساسی دانستند.
کاربران نابینا برای غلبه بر محدودیت‌های هوش مصنوعی، راهکارهای جایگزینی یافته‌اند. شرکت‌کنندگان روش‌های گوناگونی را برای دریافت پاسخ‌های مفیدتر به کار گرفتند؛ برخی با توضیح دلیل طرح پرسش، زمینه‌ای از اهداف خود را در اختیار هوش مصنوعی قرار دادند. گروهی دیگر، وظایف پیچیده را به پرسش‌های کوچک‌تر تقسیم کردند. برای نمونه، یکی از شرکت‌کنندگان که وضعیت خمیر نان را بررسی می‌کرد، درباره اندازه، سطح، حباب‌های هوا و آردِ خمیر به‌صورت جداگانه پرس‌وجو کرد و اظهار داشت که این تنها راه اطمینان یافتن از صحت پاسخ‌هاست.
در حالی که کاربران راه‌هایی برای هدایت هوش مصنوعی پیدا کردند، این مطالعه محدودیت‌های دیگری را آشکار کرد، از جمله دشواری در تخمین فواصل و تغییرات در طول زمان، قاب‌بندی غیرقابل دسترس تصویر و راهنمایی محدود در مورد موقعیت دوربین.
محققان استدلال می‌کنند که کاربران نابینا نباید برای دریافت پاسخ‌های ساده، بر دستورالعمل‌های پیچیده تسلط داشته باشند. برای اینکه کمک بصری هوش مصنوعی واقعاً قابل دسترس باشد، باید بر آنچه کاربران باید بدانند تمرکز کند و پاسخ‌های واضح و مفیدی ارائه دهد، بدون اینکه آن‌ها را مجبور به دور زدن کاستی‌های فناوری کند.
چون وقتی کسی می‌پرسد کلیدهایش کجا هستند، احتمالاً نیازی به یک تورِ راهنما در سراسر اتاق ندارد.
