Gli scienziati che studiano l'interazione uomo-robot spesso si concentrano sulla comprensione delle intenzioni umane dal punto di vista di un robot, in modo che il robot impari a collaborare con le persone in modo più efficace. Ma l'interazione uomo-robot è una strada a doppio senso e anche l'uomo deve imparare come si comporta il robot.

Grazie a decenni di ricerca in scienze cognitive e psicologia dell'educazione, gli scienziati hanno una buona conoscenza del modo in cui gli esseri umani apprendono nuovi concetti. Pertanto, i ricercatori del MIT e dell'Università di Harvard hanno collaborato per applicare teorie consolidate sull'apprendimento dei concetti umani alle sfide nell'interazione uomo-robot.

Hanno esaminato gli studi passati incentrati sugli esseri umani che cercavano di insegnare ai robot nuovi comportamenti. I ricercatori hanno identificato opportunità in cui questi studi avrebbero potuto incorporare elementi di due teorie di scienze cognitive complementari nelle loro metodologie. Hanno usato esempi di questi lavori per mostrare come le teorie possono aiutare gli esseri umani a formare modelli concettuali di robot in modo più rapido, accurato e flessibile, il che potrebbe migliorare la loro comprensione del comportamento di un robot.

Gli esseri umani che costruiscono modelli mentali più accurati di un robot sono spesso migliori collaboratori, il che è particolarmente importante quando esseri umani e robot lavorano insieme in situazioni ad alto rischio come la produzione e l'assistenza sanitaria, afferma Serena Booth, una studentessa laureata nell'Interactive Robotics Group del Computer Science and Artificial Intelligence Laboratory (CSAIL) e autore principale dell'articolo.

"Indipendentemente dal fatto che cerchiamo o meno di aiutare le persone a costruire modelli concettuali di robot, li costruiranno comunque. E quei modelli concettuali potrebbero essere sbagliati. Questo può mettere le persone in serio pericolo. È importante usare tutto il possibile per dare a quella persona il miglior modello mentale che possono costruire", afferma Booth.

Booth e il suo consulente, Julie Shah, professoressa di aeronautica e astronautica del MIT e direttrice dell'Interactive Robotics Group, sono co-autori di questo articolo in collaborazione con ricercatori di Harvard. Elena Glassman '08, MNG '11, Ph.D. Il '16, un assistente professore di informatica presso la John A. Paulson School of Engineering and Applied Sciences di Harvard, con esperienza in teorie dell'apprendimento e interazione uomo-computer, è stato il principale consulente del progetto. I coautori di Harvard includono anche la studentessa laureata Sanjana Sharma e l'assistente di ricerca Sarah Chung. La ricerca sarà presentata alla IEEE Conference on Human-Robot Interaction.

Un approccio teorico

I ricercatori hanno analizzato 35 documenti di ricerca sull'insegnamento umano-robot utilizzando due teorie chiave. La "teoria del trasferimento analogico" suggerisce che gli esseri umani apprendano per analogia. Quando un essere umano interagisce con un nuovo dominio o concetto, cerca implicitamente qualcosa di familiare da utilizzare per comprendere la nuova entità.

La "teoria dell'apprendimento della variazione" sostiene che la variazione strategica può rivelare concetti che potrebbero essere difficili da discernere per una persona altrimenti. Suggerisce che gli esseri umani attraversano un processo in quattro fasi quando interagiscono con un nuovo concetto:ripetizione, contrasto, generalizzazione e variazione.

Sebbene molti documenti di ricerca incorporassero elementi parziali di una teoria, ciò era molto probabilmente dovuto al caso, afferma Booth. Se i ricercatori avessero consultato queste teorie all'inizio del loro lavoro, avrebbero potuto progettare esperimenti più efficaci.

Ad esempio, quando insegnano agli esseri umani a interagire con un robot, i ricercatori spesso mostrano alle persone molti esempi di robot che svolgono lo stesso compito. Ma affinché le persone possano costruire un modello mentale accurato di quel robot, la teoria della variazione suggerisce che devono vedere una serie di esempi del robot che esegue l'attività in ambienti diversi e devono anche vedere che commettono errori.

"È molto raro nella letteratura sull'interazione uomo-robot perché è controintuitivo, ma le persone hanno anche bisogno di vedere esempi negativi per capire cosa non è il robot", afferma Booth.

Queste teorie delle scienze cognitive potrebbero anche migliorare la progettazione dei robot fisici. Se un braccio robotico assomiglia a un braccio umano ma si muove in modi diversi dal movimento umano, le persone faranno fatica a costruire modelli mentali accurati del robot, spiega Booth. Come suggerito dalla teoria del trasferimento analogico, poiché le persone associano ciò che conoscono - un braccio umano - al braccio robotico, se il movimento non corrisponde, le persone possono essere confuse e avere difficoltà ad imparare a interagire con il robot.

Spiegazioni migliorative

Booth e i suoi collaboratori hanno anche studiato come le teorie dell'apprendimento dei concetti umani potrebbero migliorare le spiegazioni che cercano di aiutare le persone a creare fiducia in nuovi robot sconosciuti.

"Per quanto riguarda la spiegabilità, abbiamo un grosso problema di bias di conferma. Di solito non ci sono standard su cosa sia una spiegazione e come una persona dovrebbe usarla. Come ricercatori, spesso progettiamo un metodo di spiegazione, ci sembra buono e spediscilo", dice.

Al contrario, suggeriscono che i ricercatori utilizzino teorie dal concetto umano imparando a pensare a come le persone useranno le spiegazioni, che sono spesso generate dai robot per comunicare chiaramente le politiche che usano per prendere decisioni. Fornendo un curriculum che aiuti l'utente a capire cosa significa un metodo esplicativo e quando usarlo, ma anche dove non si applica, svilupperà una maggiore comprensione del comportamento di un robot, afferma Booth.

Sulla base della loro analisi, formulano una serie di raccomandazioni su come migliorare la ricerca sull'insegnamento umano-robot. Per uno, suggeriscono che i ricercatori incorporino la teoria del trasferimento analogico guidando le persone a fare confronti appropriati quando imparano a lavorare con un nuovo robot. Fornire una guida può garantire che le persone utilizzino analogie appropriate in modo che non siano sorprese o confuse dalle azioni del robot, afferma Booth.

Suggeriscono inoltre che includere esempi positivi e negativi del comportamento dei robot ed esporre gli utenti a come le variazioni strategiche dei parametri nella "politica" di un robot influenzino il suo comportamento, eventualmente in ambienti strategicamente vari, può aiutare gli esseri umani a imparare meglio e più velocemente. La politica del robot è una funzione matematica che assegna probabilità a ciascuna azione che il robot può intraprendere.

"Conduciamo studi sugli utenti da anni, ma stiamo riprendendo dall'anca in termini di intuizione per quanto riguarda ciò che sarebbe o non sarebbe utile mostrare all'umano. Il passo successivo sarebbe essere più rigorosi sulla base di questo lavoro nelle teorie della cognizione umana", afferma Glassman.

Ora che questa revisione iniziale della letteratura che utilizza le teorie delle scienze cognitive è completa, Booth prevede di testare le loro raccomandazioni ricostruendo alcuni degli esperimenti che ha studiato e vedendo se le teorie migliorano effettivamente l'apprendimento umano.