AI研究人員研究實驗室外的凝視和人格聯(lián)系

該論文在線。Sabrina Hoppe，Tobias Loetscher，Stephanie Morey和Andreas Bulling是他們的作者，他們的隸屬關(guān)系是斯圖加特大學，南澳大利亞大學，弗林德斯大學和馬克斯普朗克信息學研究所。他們的專業(yè)領(lǐng)域從機器人技術(shù)到心理學，再到感知用戶界面。

標題說明了一切：“日常行為中的眼動預測人格特質(zhì)。” 請注意他們使用“Everyday”這個詞，因為這很重要。他們的探索不是基于實驗室的，而是在現(xiàn)實世界中。(限于實驗室條件的研究是一種可能無法在自然環(huán)境中產(chǎn)生有效的人類行為理論的方法。)

他們是如何進行學習的?他們跟蹤了42名參與者的眼球運動，因為他們在大學校園里跑步。Digital Trends表示，他們不得不在他們的差事上佩戴現(xiàn)成的頭戴式眼動儀。

參與者被指示在校園內(nèi)走動并從他們選擇的校園商店購買他們選擇的任何物品，例如飲料或糖果。

返回后，停止跟蹤并取下眼鏡。然后要求參與者填寫個性和好奇心問卷。

作者根據(jù)問卷評估了他們的人格特質(zhì)。“隨著輸入(眼睛數(shù)據(jù))和輸出(人格類型)的收集，人工智能隨后能夠找出連接這兩者的相關(guān)因素，” 數(shù)字趨勢中的 Luke Dormehl表示。

結(jié)果：他們只能通過眼球運動來預測一些特征以及感知好奇心。

新聞周刊說，“具有相似特征的人傾向于以類似的方式移動他們的眼睛。例如，樂觀主義者花更少的時間來觀察負面的情緒刺激，比如癌癥的圖像，而好奇的人傾向于接受場景的所有區(qū)域。”

這一般是一個有趣的觀察，但在這項研究中，研究人員專注于人工智能系統(tǒng)的這種觀察。人工智能系統(tǒng)被釋放出來，可以解決人格特質(zhì)和眼球運動之間的相關(guān)性。

該技術(shù)涉及(1)機器學習方法和(2)編碼不同眼睛運動特征的一組特征。該團隊表示，“由于機器學習方法，我們可以自動分析大量的眼動特征，并根據(jù)其對人格特質(zhì)預測的重要性對其進行排名。”

“所提出的機器學習方法在預測適應(yīng)??性，責任心，外向性和感知好奇心的水平方面特別成功。因此，它證實了之前基于實驗室的研究，這些研究表明了人格特質(zhì)和眼動特征之間的聯(lián)系。”

為什么這項研究很重要：“盡管預測對于實際應(yīng)用還不夠準確，但它們顯然高于機會水平，并且超過了幾個基線，”作者說。作者表示，從42名參與者那里獲得的預測準確性和可靠性評分“非常有前景”。

參與者人數(shù)很少，但將來有更多數(shù)據(jù)可用于支持更高的準確性。“新聞周刊 ”中的Aristos Georgiou說：“目前，他們的技術(shù)比預測這些人格特征的機會要好7%到15%，但科學家們指出他們只有42人的數(shù)據(jù)。隨著算法獲得更多的眼動追蹤數(shù)據(jù)，他們說，預測將變得越來越準確。“

更大的數(shù)據(jù)集被認為是未來研究的目標 - 也就是說，獲得更大的數(shù)據(jù)集，其中一般人群的樣本比當前研究的便利樣本更具代表性。

人工智能作為一種人格分配機制可以在錯誤的手中被濫用，所引發(fā)的道德問題是潛在的道德困境。數(shù)字趨勢中的 Dormehl 表示，研究團隊之一安德烈亞斯·布林(Andreas Bulling)也指出了很多積極的應(yīng)用。Bulling是德國馬克斯普朗克信息學研究所的教授。

“機器人和計算機目前在社會上一無所知，并且不適應(yīng)這個人的非語言信號，”Bulling說。“當我們說話時，如果對方看起來很困惑，憤怒，無私，分散注意力等等，我們會看到并做出反應(yīng)。如果機器人和計算機的相互作用能夠根據(jù)一個人的非相互作用進行調(diào)整，它們將變得更加自然和有效?？陬^信號。“