機器人：你瞅啥？人與機器人對視導(dǎo)致決策變慢，登上Science子刊
當(dāng)你凝視機器人時，機器人也在凝視你。
凝視是一種人與人之間的信號，意味著交流、互動、告知自身意圖。「當(dāng)你凝視我時，我就讀懂了你的意思，雖然無關(guān)言語。」
但當(dāng)人類與機器人互相凝視時，會發(fā)生什么？
意大利技術(shù)研究院（Italian Institute of Technology）的研究者發(fā)現(xiàn)，人形機器人的凝視會影響人類的神經(jīng)活動并影響人的決策過程，甚至?xí)斐裳舆t。機器人的凝視也會讓人類將其視為一種社交信號，這些發(fā)現(xiàn)拓展了類人機器人的潛在應(yīng)用領(lǐng)域，比如作為同事、臨床支持服務(wù)和家庭助理。
這個名為 InStance 的項目研究了「人們在什么時候以及在什么條件下，會將機器人視為有意識的存在?！?/p>
論文地址：https://www.science.org/doi/10.1126/scirobotics.abc5044
目前，這項研究發(fā)表在《Science Robotics》。論文的作者包括 Marwen Belkaid、Kyveli Kompatsiari、Davide de Tommaso、Ingrid Zablith 和 Agnieszka Wykowska。
在大多數(shù)日常情況下，人腦不僅需要參與決策，還需要參與預(yù)測他人的行為。凝視可以提供有關(guān)他人意圖、目標(biāo)和未來決定的信息。人類會注意別人的眼睛，當(dāng)有人注視他們或注視環(huán)境中的特定事件或地點時，大腦的反應(yīng)是非常強烈的?，F(xiàn)在，研究人員注意到了人與機器人的此類互動。
Marwen Belkaid、Kyveli Kompatsiari、Davide de Tommaso、Ingrid Zablith 和 Agnieszka Wykowska（團(tuán)隊負(fù)責(zé)人）。圖源：IIT-Istituto Italiano di Tecnologia。
該研究的首席研究員兼論文主要作者 Agnieszka Wykowska 說「機器人將越來越多地出現(xiàn)在我們的日常生活中，因此我們不僅要了解機器人設(shè)計的技術(shù)方面，還要了解人機交互的方面?！?/p>
該研究團(tuán)隊讓 40 名參與者與機器人 iCub 玩一種策略游戲，以測量參與者的行為和神經(jīng)活動，后者使用腦電圖（EEG）。該游戲模擬兩名駕駛員在汽車碰撞過程中相互接近，其結(jié)果取決于玩家是偏離還是繼續(xù)直行。
在這個游戲的實驗中，兩位玩家（即參與者和機器人）之間的桌子上有一個操縱游戲的機器（圖 1A）。游戲中每個玩家各操縱一輛汽車。汽車相互靠近，在即將相撞時，游戲黑屏 5 秒，雙方玩家都必須選擇直行或偏離。實驗中最關(guān)鍵的一點是參與者被要求注視著機器人，而機器人 iCub 的視線則包括以下兩種情況：
直視參與者，即兩位玩家相互凝視；
iCub 向旁邊看來避免眼神接觸，即回避凝視。
雙方玩家都有一個遮擋物覆蓋他們的動作按鈕，從而防止對手預(yù)測他們的選擇。游戲中可能的結(jié)果是：
- 兩者都直走并碰撞，這種情況兩者的損失最高；
- 兩者都偏離，獲得最高的聯(lián)合收益；
- 只有一個直行，獲得最高的個人收益。
研究人員發(fā)現(xiàn)，當(dāng) iCub 呈 mutual gaze 狀態(tài)，即與參與者相互凝視時，參與者會變得反應(yīng)緩慢。延遲反應(yīng)可能表明相互凝視與更高的認(rèn)知努力有關(guān)。參與者的凝視一方面會對 iCub 的選擇進(jìn)行更多推理，另一方面可能增加與任務(wù)無關(guān)的凝視刺激抑制程度。
試想一下和機器人玩撲克的場景，當(dāng)你需要決定下一步做什么時，機器人會看著你，然后當(dāng)機器人移開視線時，它會做出決定。Wykowska 表示：人類玩家的大腦也需要通過一個費力且代價高昂的過程來試圖「忽略」機器人的凝視。
這些結(jié)果表明：機器人的視線「劫持」了人腦的「社會認(rèn)知」機制，導(dǎo)致機器人會做出如同社交智能體的反應(yīng)。從這個意義上說，機器人的「社交」并不總是對人類有益，即使與機器人交互很有趣，但是會阻礙人類決策的性能和速度。
參加者的表現(xiàn)及回應(yīng)時間。
參與者為了推理 iCub 的行為運用了一些計算模型。下圖 (a) 為模型示意圖。強化學(xué)習(xí)模型（RL）根據(jù)最近選擇的行動及其結(jié)果做出決定；虛擬游戲模型 (Fic) 根據(jù)游戲的 payoff 矩陣和對對手行為的預(yù)測做出決策；Inf 模型也是如此，同時假設(shè)對手也在預(yù)測玩家的選擇，并將它自身行為對于對手決策預(yù)測的影響加以合并。下圖 (b) 表明與參與者的選擇相符的影響模型的整體對數(shù)似然比明顯比其他兩個模型更大，暗示了在游戲中 iCub 的高層次推理。
參與者對 iCub 行為推理的計算模型。
Wykowska 和她的研究小組希望這些發(fā)現(xiàn)能幫助機器人工程師設(shè)計在特定應(yīng)用環(huán)境中表現(xiàn)出最合適行為的機器人。比如，具有社交行為的類人機器人可能用于老人及兒童看護(hù)，像 iCub 機器人一樣，這是自閉癥治療實驗性治療的一部分。但從另一方面看，當(dāng)你需要專注于一項任務(wù)時，例如工廠設(shè)置或空中交通管制，散發(fā)社交信號的機器人卻可能會分散注意力。
