Определение проблемного пространства и потенциальных исследовательских экспериментов

Приобретение языка для более бедных семей - структурная проблема в Америке, которая исторически решалась с помощью некоммерческих программ помощи, родителей, работающих с логопедами, или других сторонних решений, в которых незнакомец вмешивается в отношения между ребенком и его опекой. дающий. Почему это важно? Исследования показывают, что медленное овладение речью в раннем детстве (0–3 года) может быть связано с более низким IQ в более позднем возрасте. Это классический вопрос, когда богатые становятся богаче, а бедные - беднее.

Наша команда разработчиков искусственного интеллекта задалась вопросом: можем ли мы передать контроль над обучением детей говорить в ответ в руки родителей с помощью системы искусственного интеллекта, которая отслеживает прогресс ребенка и дает родителям предложения - предложения, которые естественным образом соответствуют текущим ритуалы общения с ребенком.

AI? Вы можете быть настроены скептически - и это правильно! Давайте обсудим, почему ИИ может быть подходящим решением. Есть несколько ключевых компонентов в решении потенциальной проблемы, которая должна присутствовать, чтобы гарантировать использование технологии искусственного интеллекта. Во-первых, ИИ должен предлагать решение, которое делает что-то «лучше» и быстрее, чем это возможно для человека. Во-вторых, чтобы этично использовать ИИ в человеческих делах, в игре должны быть прозрачные правила. В-третьих, чтобы быть технически успешным, должен быть корпус данных, который напрямую связан с явлением, которое мы хотим измерить, и должна быть оценка модели, которая фактически измеряет, обучается и улучшается ли она (а не прокси-оценки, столь распространенные в таких алгоритмах, как COMPAS, PredPol, AFST или другие рейтинговые системы AI).

Решение использования моделей машинного обучения для овладения языком в раннем детстве отвечает многим критериям.

  1. Во-первых, мы думаем, что ИИ может оценивать языковые навыки ребенка «лучше», чем их родители или дефектолог. В лучшем смысле это означает, что он стоит очень мало, позволяет проводить продольные измерения для более точных оценок и может вносить предложения в любое время дня, тогда как родитель или логопед не всегда обладают достаточными умственными способностями.
  2. Во-вторых, это область серьезных исследований, поэтому «правила игры» достаточно ясны. Мы знаем, в каком возрасте дети должны начать произносить звуки или складывать слова. Конечно, есть выбросы, поэтому этот инструмент информирует пользователей, которые выносят окончательные суждения.
  3. Наконец, усовершенствованы модели НЛП, а также инструменты для записи, расшифровки и анализа разговорной речи. Набор данных будет от ребенка и его родителей - то, что можно получить. Наконец, модель будет оцениваться, и ее обучение будет основываться на успешном овладении детьми языком - вероятно, на основе совокупных и индивидуальных оценок. Примечательно, что это проблема, при которой риск неверного прописывания точного решения невелик. У нас может быть множество ложноотрицательных или ложноположительных результатов в нашей модели, но в такой проблеме с низким уровнем риска, как эта, мы можем оценить модель по истинно-положительным результатам.

Однако, прежде чем даже приступить к созданию этого нового продукта, нужно еще многое изучить. Вышеупомянутая проблема и пространство для решения, которое я только что описал, содержат множество предположений, которые необходимо проверить. Тот факт, что мы можем создать отличный инструмент для изучения языка, не означает, что пользователь (скорее всего, родители) будет использовать его в своей повседневной жизни.

Эверетт Роджерс представляет модель «Распространение инноваций», которая предлагает полезное руководство для понимания того, примет ли пользователь новую технологию или нет. Нововведение должно включать:

  1. Относительное преимущество
  2. Быть совместимым с уже существующей системой,
  3. Он не должен быть слишком сложным или трудным для изучения
  4. Это должно быть легко попробовать
  5. Он должен быть полезен для предполагаемой работы
  6. И положительные качества должны легко замечаться.

Чтобы проверить, есть ли у нашей проблемной области возможное решение с помощью ИИ, наша команда проводит вторичное и первичное исследование. Ниже я привожу несколько основных исследовательских упражнений, которые мы могли бы использовать.

Генеративные исследования

Основываясь на модели распространения инноваций Роджера, нам необходимо понять, «совместимо ли наше решение с уже существующей системой». AKA, захотят ли родители использовать предложения из нашего инструмента при общении со своим ребенком? Наше исследование состоит из трех упражнений и разработано таким образом, чтобы выявить, что ИИ - неправильное решение. Открытый характер последнего упражнения призван привести к потенциальным другим решениям, о которых мы не думали.

  1. Во-первых, родители-добровольцы выполняют небольшую домашнюю работу, ведя дневник того, как они взаимодействуют со своим ребенком в течение недели. Это сделано для того, чтобы раскрыть общие «ритуалы».
  2. Во-вторых, исследователи просматривают журнал, чтобы понять, как обычно взаимодействуют ребенок и его родители. Для каждого добровольца они выписывают карточки с занятиями, которые нужно делать с ребенком, которые либо совпадают с их повседневными занятиями, либо не совпадают. Родители-добровольцы присоединяются к исследователям на семинаре. Здесь они просматривают фиктивные предложения, сделанные ИИ (записанные на карточках), и оценивают, насколько вероятно, что они воспримут это предложение.
  3. Наконец, семинар завершается групповым обсуждением того, какие предложения будут открыты для родителей и какие предложения будут бесполезными. Кроме того, мы обсудим, как родители получают советы о том, как воспитывать своего ребенка - какие формы или источники они приняли, а от каких отказались?

Тестирование технологии:

В дополнение к упражнениям, описанным выше, нам необходимо провести быстрое прототипирование и тестирование, чтобы изучить ограничения текущей технологии и представить себе, как может выглядеть идеальная технология. Этот проект также не будет успешным без корпуса данных, который мы будем получать с помощью распознавания голоса и автоматической транскрипции. Поэтому мы разработаем простой MVP (наиболее жизнеспособный продукт) на ранней стадии проекта, чтобы проверить возможность сбора нашего корпуса, а также получить простые отзывы пользователей об оборудовании. Скорее всего, это будет носимое устройство, которое волонтеры используют в течение нескольких часов. Перед тем, как надеть устройство, родителей расскажут о нем. После того, как они носили его в течение нескольких часов, они будут опрошены, чтобы понять, что они думают о физическом ношении устройства (было ли оно громоздким? Мешало ли это вашей повседневной жизни? Как вы себя чувствовали?). Затем мы проверим, насколько хорошо прошел процесс сбора данных. В зависимости от результатов нам, возможно, придется кардинально изменить дизайн нашего инструмента в рамках этого класса.