Hvordan kunstig intelligens kan gøre os bedre til at udtrykke os selv
Shutterstock
 

Evnen til at argumentere, at udtrykke vores ræsonnement til andre er et af de afgørende træk ved, hvad det er at være menneske.

Argument og debat udgør hjørnestenene i det civiliserede samfund og intellektuelle liv. Argumenteringsprocesser kører vores regeringer, strukturerer videnskabelig bestræbelse og indrammer religiøs tro. Så skal vi bekymre os om, at nye fremskridt inden for kunstig intelligens tager skridt til at udstyre computere med disse færdigheder?

Når teknologien omformer vores liv, vænner vi os alle til nye måder at arbejde på og nye måder at interagere på. Millennials har ikke kendt noget andet. Regeringer og retsvæsener er ved at vågne op til det potentiale, som teknologien tilbyder for at engagere borgere i demokratiske og juridiske processer. Nogle politikere er individuelt mere foran spillet med at forstå den enorme rolle, som sociale medier spiller i valgprocesser. Men der er dybe udfordringer.

Man er pænt angivet af Upworthy CEO Eli Pariser i sin TED-tale. I det forklarer han, hvordan vi begynder at leve i “filterbobler”: hvad du ser, når du søger efter et givet udtryk på Google, er ikke nødvendigvis det samme som hvad jeg ser, når jeg søger på det samme udtryk. Medieorganisationer fra Fox News til senest BBC personaliserer indhold, id og ID og login bruges til at vælge hvilke historier, der er mest fremtrædende. Resultatet er, at vi risikerer at låse os ind i ekkokamre af ligesindede individer, mens vores argumenter bliver mere ensidige, mindre afbalancerede og mindre forståelse af andre synspunkter.

{youtube}https://youtu.be/4w48Ip-KPRs{/youtube}
TED / YouTube.

Hvorfor kritisk tænkning er kritisk

En anden bekymring er den måde, hvorpå nyheder og information, selvom det bliver mere voluminøs, bliver stadig mindre pålidelig - beskyldninger og modbeskyldninger om “falske nyheder”Er nu almindeligt.


indre selv abonnere grafik


I lyset af sådanne udfordringer er kritiske tænkningskompetencer mere vigtige nu end de nogensinde har været - evnen til at bedømme og vurdere bevis hurtigt og effektivt, til at træde ud af vores ekkokammer og tænke over ting fra alternative synsvinkler, at integrere information, ofte i hold, balancerer argumenter på begge sider og når robuste, forsvarlige konklusioner. Dette er argumentets færdigheder, der har været genstand for akademisk forskning i filosofi i mere end 2,000 år siden Aristoteles.

Center for Argumentteknologi (ARG-tech) ved University of Dundee handler om at tage og udvide teorier fra filosofi, lingvistik og psykologi, der fortæller os om, hvordan mennesker argumenterer, hvordan de er uenige, og hvordan de når konsensus - og gør disse teorier til et udgangspunkt for opbygning værktøjer til kunstig intelligens, der modellerer, genkender, underviser og endda deltager i menneskelige argumenter.

En af udfordringerne for moderne forskning i området har været at få nok data. AI teknikker såsom dyb læring kræver enorme mængder data, nøje gennemgåede eksempler, der kan hjælpe med at opbygge robuste algoritmer.

Men det er virkelig svært at få sådanne data: det tager højt uddannede analytikere timevis med omhyggeligt arbejde at drille den måde, hvorpå argumenter er blevet sammensat fra blot få minutters diskurs.

For mere end 10 år siden henvendte ARG-tech sig til BBC Radio 4-programmet, Moral Labyrint, som et eksempel på "guldstandard" -debat: streng, stram argumentation om følelsesladede, aktuelle emner med omhyggelig og målrettet moderation. Enormt værdifuldt, at data fodrede et program med empirisk funderet forskning i argumentteknologi.

Teknologien

Arbejdet med så krævende data har betydet, at alt fra filosofisk teori til stor datainfrastruktur er sat på prøve. I oktober 2017 kørte vi en pilot med BBC Radio Religion & Ethics-afdelingen for at implementere to typer ny argumentteknologi.

Den første var et sæt "analyser". Vi startede med at opbygge et enormt kort over hver Moral Maze-debat, der omfatter tusinder af individuelle udtalelser og tusinder flere forbindelser mellem indholdet af alle disse udtalelser. Hvert kort blev derefter oversat til en række infografikker ved hjælp af algoritmer til at bestemme de mest centrale temaer (ved hjælp af noget der ligner Googles PageRank algoritme). Vi identificerede automatisk de mest splittende emner, og hvor deltagerne stod, samt de øjeblikke i debatten, hvor konflikten nåede kogepunktet, hvor godt understøttede argumenter var osv.

Resultatet kl bbc.arg.tech i forbindelse med Moral Maze præsenterer for første gang en evidensbaseret måde at forstå, hvad der virkelig sker i en debat.

Det andet var et værktøj kaldet “debat”, Som giver dig mulighed for at påtage dig rollen som formand for Moral Maze og køre din egen version. Det tager de argumenter, der tilbydes af hver deltager, og giver dig mulighed for at navigere dem efter din egen næse for at få et godt argument.

Debaterværktøjet lader deltagerne lede en debat og teste deres færdigheder. (Hvordan AI kan gøre os bedre til at udtrykke os)
Debaterværktøjet lader deltagerne lede en debat og teste deres færdigheder. BBC / Dundee University ARG-tech

Begge aspekter har til formål at tilbyde indsigt og tilskynde til bedre kvalitet, mere reflekterende argumenter. På den ene side tillader arbejdet resuméer om hvordan man forbedrer argumenteringsevner, drevet af bevis i dataene om, hvad der faktisk fungerer.

På den anden side er muligheden for at undervise disse færdigheder eksplicit: a Test dit argument prototype implementeret på BBC Taster-webstedet bruger eksempler fra Moral Maze til at udforske et lille antal argumenterende færdigheder og lader dig sætte dine vidner direkte mod maskinen.

Holdindsats

I sidste ende er målet ikke at bygge en maskine, der kan slå os ved et argument. Meget mere spændende er potentialet for, at AI-software bidrager til menneskelig diskussion - at genkende typer af argumenter, kritisere dem, tilbyde alternative synspunkter og sonderende grunde er alt, hvad der nu er inden for rækkevidde af AI.

Og det er her, den reelle værdi ligger - at have hold af arguerer, nogle mennesker, nogle maskiner, der arbejder sammen om at håndtere krævende, komplekse situationer fra efterretningsanalyse til forretningsadministration.

The ConversationSådanne samarbejdende "blandede initiativ" -ræsonneringsteam vil transformere den måde, vi tænker på at interagere med AI - og forhåbentlig også transformere vores kollektive ræsonnementsevner.

Om forfatteren

Chris Reed, professor i datalogi og filosofi, University of Dundee

Denne artikel blev oprindeligt offentliggjort den The Conversation. Læs oprindelige artikel.

Relaterede Bøger:

at InnerSelf Market og Amazon