{"id":13456,"url":"\/distributions\/13456\/click?bit=1&hash=6bf95d5850d39a632d71d9ebb94b8a4e644bc6a23b4e4c2644b39e47003b100d","title":"80 \u0442\u044b\u0441\u044f\u0447 \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u0438\u0441\u043a\u0430\u043b\u0438 \u043f\u0430\u0440\u0443 \u0434\u044b\u0440\u044f\u0432\u043e\u043c\u0443 \u043d\u043e\u0441\u043a\u0443 \u0441\u043f\u0435\u0446\u0430\u0433\u0435\u043d\u0442\u0430","buttonText":"\u0427\u0442\u043e\u043e\u043e?","imageUuid":"a05ce1a7-0771-5520-b8cb-45c9bdd65351","isPaidAndBannersEnabled":false}
Трибуна
Egor Malinin

Galya AI - мертвая продавщица случайно вышла за рамки школы

Как психология обретает техническое обличие для спасения жизней людей?

В XXI веке в 2021 году алгоритмы машинного обучения или “искусственного интеллекта” становятся обыденностью. Организации тренируют машинный интеллект для выполнения задач прогнозирования, классификации или поиска решения. Вычисления на процессорах CPU или GPU в значительной мере ускорили рутинные процессы, для которых требовались годы и десятки людей. Безусловно, машины не могут заменить нас там, где требуются личные качества человека. Эмпатия, сопереживание и другие особенности межличностного общения.

Человечество стремится сделать подобных себе роботов, способных заменять профессионалов там, где условия труда опасны или неблагоприятны. Например, пожарные роботы, позволяющие проникать в самое “пекло” и спасать жизни людей.

На смене Золотого Сечения (г. Екатеринбург) преподаватели Уральского института управления РАНХиГС в рамках смены “Когнитивные технологии” провели занятия для детей Уральского региона с погружением в технологии искусственного интеллекта. За две недели детям давали знания и инструменты для работы с кибернетическим мозгом, а точнее с его имитацией “персептрон”. Самой сложной задачей являлось придумать свой проект и собрать минимальный рабочий прототип. За столь короткое время сделать это редко кому удавалось.

Команда ребят смены - София, Егор и Дарья предложили свою концепцию проекта:

“В г. Кемерово проживала некая продавщица Галя, которая однажды как обычно пошла на работу в ТЦ “Зимняя Вишня” и погибла при пожаре пытаясь спасти посетителей. После этого она стала нейросетью. Теперь она будет сохранять жизни еще до появления чрезвычайной ситуации…”

Главные вопросы, которые задавали школьники:

Что вы сделаете, оказавшись в неизвестном помещении при угрозе жизни? Как вы будете искать выход? Как быстро вы доберетесь до безопасного места?

Далеко не каждый сможет ответить на эти вопросы, а Галя сможет. Кто она?

Galya - искусственный интеллект, позволяющий определить безопасность помещения с точки зрения психологии поведения человека.

“Наша идея заключалась в том, чтобы обезопасить людей еще до появления опасности, проанализировав помещения на наличие элементов, отвлекающих внимание при срочном выходе из него” - говорит Егор, один из разработчиков проекта.

“Изначально наша команда хотела исследовать то, как человек воспринимает информацию аудиально и тактильно. Но, познакомившись с айтрекером, мы всё же больше заинтересовались визуальным получением данных.

Наша идея – искусственный интеллект, внедренный в камеры видеонаблюдения и анализирующий, насколько безопасно развешены плакатные рекламы, вывески, объявления в противовес планам эвакуации и эвакуационным маршрутам в торговых, офисных и промышленных центрах.” - добавляет София, автор и разработчик проекта Galya.ai

Для теоретической подготовки, команде необходимо было глубже познакомится с айтрекингом и найти нужную для исследования информацию. Книга В. А. Барабанщикова «Айтрекинг в психологической науке и практике» помогла подготовится к проекту. Для подготовки технической части использовались очки с функцией айтрекинга от компании PupilLabs .

“Изучив материал, мы выдвинули гипотезу, заключающуюся в том, что человек, находясь в экстренной ситуации (в нашем случае – имитация пожара) и пытаясь найти выход, будет обращать внимание и отвлекаться на яркую рекламу, развешанные объявления и вывески,” - говорит София.

Командой Galya AI разработан и поставлен эксперимент в рамках лагерной смены. В эксперименте приняли участие 44 человека в возрасте 13-17 лет. Целью участников эксперимента было успеть эвакуироваться из незнакомого помещения меньше чем за 90 секунд, иначе они “погибнут” в пожаре. В начале эксперимента, участнику завязывали глаза и вели в незнакомое ему помещения, там ему одевали айтрекер и объясняли легенду - “В здании Пожар!”, участник должен успеть найти выход как можно быстрее. Командой были подготовлены, так называемые, “ловушки” - яркие таблички, развешенные на закрытых выходах и недалеко от планов эвакуации. В ходе эксперимента был добавлен звук сирены для того чтобы проверить, будет ли реакция на отвлекающий шум. В ходе тестовой “эвакуации” навстречу участнику эксперимента бежал человек в противоположную от выхода сторону с целью проверить сколько процентов людей отреагируют на “толпу”.

В ходе анализа видео с айтрекера выявлены ряд особенностей поведения:

  • половина испытуемых, не задумываясь, обращали внимание на яркие надписи и отвлекающие таблички;
  • одна третья часть людей пошли за человеком, движущимся по ложному пути;
  • большинство смотрело на рекламные плакаты, а не на план эвакуации.

“Когда участник эксперимента покидал помещение, проводился опрос. Один из вопросов касался того, смотрели ли вы на яркие листовки и вывески. Многие сказали, что их взгляд не падал на это. Однако, на видео, снятых с айтрекера, можно чётко увидеть, куда в первую очередь невольно падает взгляд: на рекламу или на план эвакуации. Преимущество всё же у рекламы…” - комментирует результаты эксперимента София.

Все результаты эксперимента были занесены в специальную базу данных, в которой отмечалось: время, реакция на “ловушки” и результат. Стоит отметить, что ребятами собрано 11 различных реакций. Результат определялся по условию: “Если успел выйти из здания за 90 секунд и менее, то True, а если результат более 90 секунд, то 0.”

Для анализа возможно существующих математических зависимостей в собранных данных использована архитектура персептрона, написанного на языке программирования python. Стоит отметить, что команда изучила python в течении 3-х занятий, самостоятельно написала код и запустила тестовые файлы. В персептроне использовался подход обратного распространения ошибки, что позволило увеличить точность. Входных нейронов использовалось 11 и скрытых слоев 40. При анализе прогнозной точности натренированной искусственной нейронной сети установлено максимальное значение в 87,5%. Результат проведенного эксперимента говорит о том, что машинный интеллект способен вычислить успеет ли человек выбраться из здания за 90 секунд с точностью 87,5%. Для этого достаточно собрать необходимые данные о возможных отвлекающих внимание элементах, расположенных в здании.

Galya AI - не простой школьный проект. В нем реализованы знания и механизмы “Когнитивных технологий”, позволяющие улучшать условия жизни людей, создавать безопасную среду и сохранять здоровье. Команда школьников, София, Егор и Дарья, возможно не осознают всей ценности своих исследований, но имеют твердое желание продолжать этот исследовательский проект, масштабировать его на школы своего родного региона и построить успешный стартап в недалеком будущем.

0
Комментарии

Комментарий удален модератором

Развернуть ветку
Читать все 0 комментариев
null