Nature:机器促进人类语言的产生

简介: 机器人对人类语言有促进作用吗?近期Nature杂志上的一篇文章告诉你:是的!

本周,《自然》上刊登了一篇科学报告,研究人员发现,机器人可以促进人类语言的产生

30.jpg

这一报告的意义在于,对语言发育迟缓、词汇检索困难的临床人群、以及需要增强语言生成的教育环境,机器人或许能起到十分重要的作用。


而且,文章揭示的共同表征和语言促进机制可能会被整合到社交机器人的认知架构中,以提高它们在与人类进行口头交流时的沟通技巧。


此前,已有研究证明,在信息处理级别,机器人可以影响人类行为,包括运动、社交、高阶认知方面。


人类+机器人:命名任务快速完成!


根据文章,本次实验的参与者是36名年龄在 19 至 35 岁之间的德语母语人士,以及机器人Pepper,这是日本软银集团和法国Aldebaran Robotics专为与人类交流而研发的人形机器人,高1.2 米。


31.jpg

机器人的语音和行为通过 NAOqi 框架生成,其中包含在机器人和可视化显示刺激的 Presentation 软件之间进行通信的自定义脚本。


为了突出机器人的自然行为,休息期间,它被设置为响应并关注其环境。在命名任务期间,则会有微妙的手臂和头部运动。


实验开始前,Pepper会作为任务伙伴被介绍给参与者。


实验材料包括 320 张自然或人造物体的照片,分为32 个不同语义类别(如,花卉、建筑物、鸟类)。


实验装置中的认知模型如图A所示,语音生成过程中的词汇访问认知模型解释了概念如何激活心理词汇表中的条目,然后转化为语音。



32.jpg

实验中,一个参与者和机器人Pepper在电脑屏幕前相邻而坐,显示图片,其中一些是语义相关的。


研究人员评估了机器人的言语行为是否被模拟,以及在哪个处理层面(概念与词汇)。


为了排除在与机器人共享命名过程中可能出现的额外语言输入的干扰,参与者和机器人都戴着耳机,这可以掩盖伙伴的命名声。

33.jpg

图片由参与者命名,一半只以视觉方式呈现。在联合命名条件下,某一语义类别中的一半图片(如宠物)由参与者命名,另一半由机器人伙伴命名。对于那些由参与者命名的图片,将计算出1-5的顺序位置。

34.jpg每个试验都以 0.5 秒的固定交叉展示开始。在参与者命名物体的试验中,图片被呈现直到命名响应被启动或最多 2 秒。从图片展示开始,参与者的命名延迟(反应时间)会被记录下来。


图片连续显示在电脑屏幕上。在单一命名条件下,在一个给定的语义类别中,一半的图片(例如:水果)被参与者命名,另一半的图片仅以视觉方式呈现。水果)的一半被参与者命名,另一半则只以视觉方式呈现。在联合命名条件下,在一个特定的语义类别中,一半的图片(如宠物)由参与者命名,另一半由机器人命名。


实验结果显示:


与机器人共同命名可以促进语言的产生。


人类和人类同伴一起命名时没有促进作用,而和机器人一起,则有促进作用。


机器人并未在词汇选择的层面上共同表征,机器的语言是在概念层面进行模拟,从而对人类语言的产生产生了促进作用。

35.jpg

实验结束时,参与者完成了两个与机器人意图有关的问题:机器人有意采取行动、机器人主动决定何时对刺激做出反应,评判标准从1到11.


当然,此项研究并不是十分完善,比如,还不清楚这种共同表征的确切性质。未来的研究应该包括生理测量,如脑电图,或是针对性的潜在机制。


另外,还应系统地研究机器人的行为、(合成)声音或视觉外观的细节,以及语言交互的强度或机器人属性的加强是会否影响机器人的语言共同表示。



相关文章
|
2天前
|
机器学习/深度学习 人工智能 数据处理
一文速通自监督学习(Self-supervised Learning):教机器自我探索的艺术
一文速通自监督学习(Self-supervised Learning):教机器自我探索的艺术
7 0
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
GPT与人类:人工智能是否能够真正复制人类语言?
GPT与人类:人工智能是否能够真正复制人类语言?
GPT与人类:人工智能是否能够真正复制人类语言?
|
机器学习/深度学习 数据采集 运维
Nature Reviews Genetics | 在基因组学中应用机器学习的常见陷阱
Nature Reviews Genetics | 在基因组学中应用机器学习的常见陷阱
193 0
Nature Reviews Genetics | 在基因组学中应用机器学习的常见陷阱
|
机器学习/深度学习 算法 数据可视化
火爆网络的《神经网络与深度学习》,有人把它翻译成了中文版!
火爆网络的《神经网络与深度学习》,有人把它翻译成了中文版!
222 0
火爆网络的《神经网络与深度学习》,有人把它翻译成了中文版!
|
机器学习/深度学习 人工智能 自然语言处理
Human vs AI,人类和机器的学习究竟谁更胜一筹?
在各种任务中人类的学习能力和机器的学习能力究竟哪个更胜一筹?
211 0
Human vs AI,人类和机器的学习究竟谁更胜一筹?
|
机器学习/深度学习 人工智能 自然语言处理
谷歌AutoML创造者Quoc Le:未来最好的人工智能模型将由机器生成
过去十年,谷歌在人工智能领域的重重突破,有很大一部分和 Quoc Le 有关。这位出生在越南的谷歌研究员像是一个人工智能的信徒,坚信机器学习能够解决一切让人烦恼的问题,即使存在失败的可能性,他也乐在其中。AutoML 则是他最新的研究方向,也是被认为将改变整个深度学习发展进程的技术。正如此,我们希望从和 Le 的采访中探寻围绕在 AutoML 的真相和未来。
204 0
谷歌AutoML创造者Quoc Le:未来最好的人工智能模型将由机器生成
|
机器学习/深度学习 人工智能 自然语言处理
在语音识别这件事上,汉语比英语早一年超越人类水平(附论文)
几天前,微软语音识别实现了历史性突破,英语的语音转录达到专业速录员水平,机器之心也独家专访了专访微软首席语音科学家黄学东 ,了解到词错率仅 5.9% 背后的「秘密武器」——CNTK。但微软的成果是在英语水平上的,从部分读者留言中我们了解到对汉语语音识别的前沿成果不太了解,这篇文章将向大家介绍国内几家公司在汉语识别上取得的成果。
272 0
在语音识别这件事上,汉语比英语早一年超越人类水平(附论文)
|
机器学习/深度学习 人工智能 资源调度
CNN可解释性再受关注,人类真能理解机器的思想吗? | 一周AI最火论文
CNN可解释性再受关注,人类真能理解机器的思想吗? | 一周AI最火论文
276 0
|
机器学习/深度学习 人工智能 算法
什么是机器学习?机器变得越来越聪明,不再是科幻电影
机器学习(ML)是教导计算机系统根据一组数据进行预测的过程。通过为系统提供一系列的试验和错误场景,机器学习研究人员致力于创建 可以分析数据,回答问题并自行做出决定的人工智能系统。
2575 0
什么是机器学习?机器变得越来越聪明,不再是科幻电影