Dirbtinis intelektas sparčiai keičia tai, kaip kuriame, verčiame ir naudojame informaciją. Tačiau technologinė pažanga savaime negarantuoja, kad informacija visiems visuomenės nariams taps prieinamesnė. Ypač svarbu suprasti, ar nauji sprendimai iš tiesų padeda mažinti informacinę atskirtį, ar kartais sukuria tik prieinamumo iliuziją.
Kauno technologijos universitete vykdomas Lietuvos mokslo tarybos (LMT) finansuojamas projektas „Mašininio vertimo ir gestų kalbos recepcijos tyrimas pasitelkiant žvilgsnio sekimą“ siekia atsakyti į šiuos klausimus. Pasitelkdami žvilgsnio sekimo technologiją mokslininkai tiria, kaip žmonės suvokia žmogaus ir dirbtiniu intelektu grįstą vertimą, kokią įtaką tam daro kognityviniai procesai ir kaip naujosios technologijos vertinamos kurčiųjų bei neprigirdinčiųjų bendruomenėje. Tyrimo rezultatai ne tik prisideda prie kalbos technologijų ir žvilgsnio sekimo tyrimų plėtros Lietuvoje, bet ir suteikia svarbių įžvalgų apie tai, kaip kurti vartotojų poreikius atitinkančius dirbtinio intelekto sprendimus ir mažinti informacinę atskirtį.
Apie projekto tikslus, pirmąsias įžvalgas ir ateities perspektyvas pasakoja projekto vadovė, Kauno technologijos universiteto mokslininkė prof. dr. Ramunė Kasperė.
– Jūsų projekte susikerta kelios sudėtingos sritys – dirbtinis intelektas, kalbos technologijos ir gestų kalbos recepcija. Kokia buvo pagrindinė mokslinė problema ar spraga, kuri Jus paskatino imtis būtent tokio tarpdisciplininio tyrimo, ir kodėl ji, Jūsų nuomone, iki šiol Lietuvoje buvo nepakankamai nagrinėta?
– Pagrindinė spraga, paskatinusi „EyeSign“ tyrimą, yra nepakankamas informacijos prieinamumas kurčiųjų bendruomenei jų gimtąja kalba. Informacijos prieinamumas klausos ir kalbos negalią turinčiai auditorijai yra vienas iš pagrindinių Europos Sąjungos tikslų, kuriuo siekiama užtikrinti visų asmenų su negalia įtrauktį ir kuris yra aiškiai apibrėžtas bei aptartas Europos prieinamumo akte (EAA). Šiame tyrime susiejome mašininio ir dirbtiniu intelektu grįsto vertimo bei gestų kalbos priimtinumo temas. Siekiant didinti klausos negalią turinčių asmenų prieigą prie turinio pasitelkiami subtitrai kurtiesiems ir neprigirdintiems bei gestų kalba, o regos negalią turinčių asmenų įtraukčiai – garsinis vaizdavimas, tačiau Lietuvoje šios praktikos vis dar nėra plačiai paplitusios. Integruojant dirbtinio intelekto technologijas į gestų kalbos vertimą, atsiveria galimybės mažinti komunikacijos barjerus tarp girdinčiųjų, kurčiųjų ir neprigirdinčiųjų bei didinti medijų prieinamumą.
Iki šiol Lietuvoje trūko tyrimų, kurie leistų įvertinti, ar dirbtiniu intelektu grįsti vertimo sprendimai iš tiesų mažina informacinę atskirtį, ar tik sukuria prieinamumo iliuziją. Būtent šią spragą ir siekiame užpildyti.
– Mašininis vertimas dažnai vertinamas per tikslumo ar klaidų prizmę, tačiau Jūsų tyrime analizuojamas ir subjektyvus bei emocinis suvokimas. Kiek svarbu vertinant DI sprendimus įtraukti būtent šiuos – sunkiau pamatuojamus – aspektus, ir kokių netikėtų įžvalgų tai atskleidė?
– Vertinant DI sprendimus, ypač tokiuose jautriuose kontekstuose kaip gestų kalbos vertimas, vien tik techninio tikslumo rodiklių nepakanka. Nors vertimo tikslumas ir klaidų dažnis leidžia įvertinti sistemos funkcinį efektyvumą, tai neatskleidžia, kaip vartotojai realiai vertina technologiją – ar ji jiems atrodo suprantama, patikima, natūrali ir priimtina naudoti kasdienėse situacijose. Būtent todėl į tyrimą buvo įtrauktas subjektyvus ir emocinis suvokimas. Gestų kalba yra ne tik informacijos perdavimo priemonė – ji taip pat apima kultūrinius, socialinius ir emocinius aspektus, todėl vartotojų reakcijos į technologiją tampa itin reikšmingos.
Tyrime siekiame nustatyti ne tik tai, kaip mašininio vertimo netikslumai veikia informacijos suvokimą, bet ir kaip kurtieji bei lietuvių gestų kalbos vertėjai vertina pačias technologijas. Mums svarbu suprasti, ar vartotojai pasitiki dirbtinio intelekto sugeneruotu vertimu ir kiek yra pasirengę jį priimti kasdienėje komunikacijoje.
– Žvilgsnio sekimo metodas leidžia pažvelgti į pačius kognityvinius procesus. Kokius esminius skirtumus tarp žmogaus ir mašininio vertimo suvokimo pavyko užfiksuoti analizuojant akių judesių duomenis, ir ką tai pasako apie tai, kaip mes iš tikrųjų „skaitome“ ar „matome“ kalbą?
– Akių judesių duomenys yra objektyvus indikatorius, realiu laiku parodantis, kur nukreipiamas dėmesys, kiek laiko stebimi tam tikri gestai, kur informacijos apdorojimas tampa sudėtingesnis ir kokiose vietose atsiranda suvokimo trikdžių. Vertimo suvokimui įtakos turi įvairūs veiksniai. Susidūrus su netikslumais, klaidomis tekste, fiksuojamos regresinės fiksacijos (žvilgsnio grįžimas atgal) ar ilgesnės fiksacijų trukmė. Mašininis DI grįstas vertimas vis dar nėra be klaidų, egzistuoja ne tik logikos, leksikos, gramatikos ar kontekstinės klaidos, bet ir dirbtinio intelekto haliucinacijos. Toks tekstas reikalauja didesnių resursų smegenyse, didėja kognityvinė apkrova.
Taigi kalbą mes suvokiame ne tik kaip tekstinį ar lingvistinį kodą, o gestų kalbos suvokimas dar labiau susijęs su vizualiniu dėmesiu, judesio interpretacija ir bendru komunikacijos natūralumo vertinimu. Kitaip tariant, kalba ne tik „skaitoma“, bet ir „matoma“. Žvilgsnio sekimas padeda atsižvelgti į daugiasluoksnį suvokimo procesą.
– Vienas iš svarbiausių projekto aspektų – specifinė tiriamoji grupė – kurtieji ir neprigirdintys dalyviai. Ar tyrimo rezultatai parodė, kad mašininis vertimas šiai bendruomenei gali tapti realiai veikiančiu prieinamumo sprendimu, ar vis dar egzistuoja esminių kokybinių barjerų?
– Apibendrintų rezultatų galime tikėtis projekto pabaigoje, tačiau mašininis vertimas ir dirbtinis intelektas gali tapti sprendimu įvairiose situacijose, kuriose kurtieji gali pasijusti nepakankamai informuoti arba informaciją gauti per vėlai. Pirminės tyrimo dalyvių reakcijos rodo, kad mašininis vertimas dažnai yra geriau nei informacijos nebuvimas. Vis dėlto žmogaus pateikiama informacija vis dar vertinama kaip patikimesnė, nes su ja siejama aiški atsakomybė už turinio tikslumą ir patikimumą.
– Dirbtinio intelekto sprendimai dažnai kuriami globalioms kalboms, o mažesnės kalbos lieka paraštėse. Kaip Jūsų tyrimas prisideda prie lietuvių kalbos technologijų stiprinimo ir kokius iššūkius pastebite dirbdami su mažesnių kalbų duomenimis?
– Globalūs DI modeliai neretai ignoruoja mažų kalbų ir mažų bendruomenių poreikius, sukurdami skaitmeninę diskriminaciją. Tikime, kad savo projektais, taip pat ir „EyeSign“ projektu prisidedame prie kalbos duomenų skaitmenizavimo, kuris yra būtinas, kad lietuvių kalba, taip pat ir lietuvių gestų kalba, neliktų technologijų paraštėse. Dirbant su mažomis kalbomis, didžiausias iššūkis yra duomenų reprezentatyvumas. Riboti duomenų ištekliai didina klaidų tikimybę kalbos modeliuose, o tai tiesiogiai mažina informacijos kokybę, patikimumą ir prieinamumą.
– Kalbant apie įtraukią visuomenę, technologiniai sprendimai dažnai vertinami kaip neutralūs. Ar Jūsų tyrimas atskleidė situacijų, kuriose DI sprendimai gali netyčia didinti atskirtį, ir kaip to būtų galima išvengti kuriant ateities sistemas?
– Netinkama arba netinkamai naudojama technologija gali netyčia padidinti atskirtį, ypač jei institucijos technologinius sprendimus diegia formaliai, nesigilindamos į realius vartotojų poreikius. Pavyzdžiui, įsidiegus pigius konkrečioms bendruomenėms nepritaikytus ar nepriimtinus sprendimus, sakykime DI avatarus, paslauga deklaruojama kaip prieinama, nors realiai kurtiesiems toks sprendimas nebūtinai tinkamas. Būtina nustatyti ir laikytis griežtų kokybės standartų, paremtų vartotojų (šiuo atveju, kurčiųjų) grįžtamuoju ryšiu. Girdinčiųjų bendruomenė nebūtinai gerai žino ir supranta kurčiųjų poreikius ir emocinį nusiteikimą technologijų atžvilgiu. Tikrasis prieinamumas reikalauja laiko, nuoseklaus darbo ir atsakingų sprendimų.
– Projektas generuoja naujus žvilgsnio sekimo duomenis Lietuvoje. Kokią ilgalaikę vertę matote šiems duomenims – ar jie gali tapti pagrindu tolimesniems tyrimams, metodologiniams proveržiams ar net praktiniams sprendimams?
– Žvilgsnio sekimo duomenys Lietuvai ir lietuvių kalbai turi strateginę vertę. Iki šiol tokių duomenų lietuvių kalba, o ypač lietuvių gestų kalba, tarptautinėse duomenų bazėse kol kas nėra. Tokie duomenys leidžia objektyviai pamatuoti, ar nauja technologija yra suprantama ir priimtina, palyginti duomenis tarp bendruomenių ir kalbų. Pasibaigus projektui duomenys bus atverti mokslininkams, kurie galės atlikti kitus tyrimus, spręsdami įtraukumo, kalbos išsaugojimo ir kitus klausimus.
– Žvelgiant plačiau, kaip, Jūsų nuomone, per artimiausius 5–10 metų keisis santykis tarp žmogaus ir mašininio vertimo, ypač tokiose jautriose srityse kaip prieinamumas ir komunikacija su kurčiųjų bendruomene? Kur šioje raidoje matote didžiausias galimybes ir didžiausias rizikas?
– Tikėtina, kad per ateinančius keletą metų DI pasieks tokį lygį, kad bazinis informacijos prieinamumas (valstybės paslaugos, transportas) lietuvių gestų kalba bus užtikrintas, pavyzdžiui, naudojant mašininį vertimą per avatarus. Tačiau pirmiausiai kurčiųjų bendruomenė turi pritarti tokiems sprendimams. Taip pat prieinamumas negali tapti vien mechaniniu procesu. Jei prarasime ryšį su kurčiųjų bendruomene ir jos kultūriniu identitetu, technologijos gali tapti ne įtraukties priemone, o nauja skaitmeninės atskirties forma.
Kalbino Ernesta Šneideraitytė, LMTNuotrauka iš pašnekovės asmeninio archyvo
About the Author
