هوش‌مصنوعی نابینایان را کلافه می‌کند!
هوش مصنوعی می‌تواند تصاویر را توصیف کند، اما هنوز در درک نیازهای کاربران نابینا مشکل دارد.
به گزارش سیناپرس، پژوهشی از دانشگاه مریلند نشان می‌دهد قابلیت «Be My AI» اغلب پاسخ‌های مفید را در میان توصیف‌های طولانی پنهان می‌کند و باعث می‌شود کاربران نابینا برای دستیابی به اطلاعات موردنیازشان تلاش بیشتری کنند.
هوش مصنوعی می‌تواند یک تصویر را توصیف کند، اشیای موجود در آن را شناسایی کند و به پرسش‌هایی درباره آنچه دوربین می‌بیند، پاسخ دهد. اما وقتی یک کاربر نابینا به پاسخی سریع نیاز دارد، دریافت یک متن طولانی و مفصل درباره تمام صحنه، چندان کمک‌کننده نیست.
پژوهشگران دانشگاه مریلند (UMD) دریافته‌اند که ابزارهای کمک‌بینایی مبتنی بر هوش مصنوعی ممکن است کاربران نابینا را مجبور کنند برای به دست آوردن اطلاعاتی که واقعا به آن نیاز دارند، بیش از اندازه تلاش کنند.
پژوهشگران دریافتند کاربران اغلب توضیحات طولانی دریافت می‌کنند که به اندازه کافی به هدف فوری آن‌ها پاسخ نمی‌دهد. در نتیجه، کاربران ناچار می‌شوند پرسش‌های تکمیلی مطرح کنند یا راه‌هایی پیدا کنند تا هوش مصنوعی را به سمت پاسخی کاربردی‌تر هدایت کنند.
پژوهشگران ۱۱ شرکت‌کننده نابینا را به خدمت گرفتند. این افراد ابتدا قابلیت Be My AI را در محیط آزمایشگاه آزمایش کردند و سپس به مدت ۱۰ روز در زندگی روزمره خود از آن استفاده کردند.
گروه پژوهشی ۴۱۸ تعامل را تحلیل کرد و بررسی کرد که شرکت‌کنندگان چگونه سوال می‌پرسند، به پاسخ‌های هوش مصنوعی واکنش نشان می‌دهند و هنگامی که نتایج با خواسته آن‌ها مطابقت ندارد، روش خود را تغییر می‌دهند.
نتایج از وجود ناهماهنگی میان پرسش‌های کاربران و پاسخ‌های هوش مصنوعی حکایت داشت. شرکت‌کنندگان معمولا پرسش‌هایی با حدود ۱۰ تا ۲۰ کلمه مطرح می‌کردند، در حالی که پاسخ‌های هوش مصنوعی بیش از ۱۰ برابر طولانی‌تر بود.
گفت‌وگوها به‌طور میانگین سه نوبت داشتند، اما برخی از آن‌ها تا ۲۱ رفت‌وبرگشت ادامه پیدا می‌کردند. از آنجا که پاسخ‌ها با صدای بلند خوانده می‌شوند، یافتن حتی یک نکته مفید ممکن است مستلزم گوش‌دادن به حجم زیادی از اطلاعات غیرضروری باشد.
در یکی از نمونه‌ها، یک شرکت‌کننده نابینا می‌خواست بررسی کند که آیا سوسیس‌ها به‌اندازه کافی پخته شده‌اند یا نه. هوش مصنوعی بارها گزارش می‌داد که برخی قسمت‌های سوسیس هنوز صورتی به نظر می‌رسند؛ اما کاربر به جای شنیدن توصیف دوباره غذا، به راهنمایی عملی درباره اقدام بعدی نیاز داشت.
در موردی دیگر، یکی از شرکت‌کنندگان که به دنبال کلیدهایش می‌گشت، به جای دریافت پاسخی متمرکز بر پیدا کردن وسیله گم‌شده، توضیحی طولانی درباره تصویر دریافت کرد.
بیش از نیمی از شرکت‌کنندگان، عادت این اپلیکیشن به شروع پاسخ با توصیف کامل تصویر را مشکلی جدی می‌دانستند.
شرکت‌کنندگان روش‌های مختلفی را برای دریافت پاسخ‌های مفیدتر امتحان کردند. برخی توضیح می‌دادند که چرا یک سوال را مطرح کرده‌اند و با این کار، اطلاعات بیشتری درباره هدفشان در اختیار هوش مصنوعی می‌گذاشتند. برخی دیگر وظایف پیچیده را به پرسش‌های کوچک‌تر تقسیم می‌کردند.
برای مثال، یکی از شرکت‌کنندگان هنگام بررسی خمیر نان، جداگانه درباره اندازه خمیر، سطح آن، حباب‌های هوا و آرد سوال کرد. او توضیح داد که تنها با این روش می‌تواند مطمئن شود پاسخ‌ها درست هستند.
با اینکه کاربران راه‌هایی برای هدایت هوش مصنوعی پیدا کردند، این مطالعه محدودیت‌های دیگری را نیز آشکار کرد؛ از جمله دشواری در تخمین فاصله‌ها و تشخیص تغییرات در طول زمان، مشکلات مربوط به قاب‌بندی تصویر که دسترسی به آن را دشوار می‌کند و راهنمایی ناکافی درباره نحوه قرار دادن دوربین.
پژوهشگران معتقدند کاربران نابینا نباید مجبور باشند برای دریافت پاسخ‌هایی ساده، بر نوشتن دستورهای پیچیده برای هوش مصنوعی مسلط شوند.
به نقل از ایسنا، برای اینکه ابزارهای کمک‌بینایی مبتنی بر هوش مصنوعی واقعا دسترس‌پذیر باشند، باید بر نیازهای اطلاعاتی کاربران تمرکز کنند و پاسخ‌هایی روشن و کاربردی ارائه دهند؛ بدون آنکه کاربران را وادار کنند برای جبران کاستی‌های فناوری، خودشان راه‌حل پیدا کنند.
زیرا وقتی کسی می‌پرسد کلیدهایش کجاست، احتمالا نیازی ندارد که هوش مصنوعی او را به یک تور راهنمای کامل در سراسر اتاق ببرد!
