Девочка одиннадцати лет выступает перед классом, держа в руках тетрадный лист. Заканчивая выступление, она отрывает взгляд от листка: «Теперь я с нетерпением жду следующего лета, когда я снова поеду к бабушке и дедушке в их маленький домик. Вот так я провела летние каникулы».

Девочка нервно улыбнулась и поспешила обратно на свое место, чувствуя облегчение от того, что выступление закончилось. Чуть в стороне стояла миссис Сэндовал, учительница, женщина средних лет со старомодными розовыми и серыми прядками в волосах. Она улыбнулась и кивнула.

– Отлично, Дженни. Спасибо, что рассказала нам про свое лето. Кто хочет быть следующим?

Мальчик, сидевший с краю на последней парте, с энтузиазмом вскинул руку вверх. Учительница посмотрела на него, но взгляд ее был несколько неуверенным. Все остальные ученики затихли. Миссис Сэндовал сделала приглашающий жест.

– Хорошо, Джейсон. Если ты чувствуешь, что готов.

Джейсон встал со своего места и вышел перед классом. У него не было записей.

– Чем я занимался на каникулах, – естественно и непринужденно начал Джейсон. – Этим летом мне подобрали нейропрос… нейропротез. Я всегда путаюсь с этим словом, – сказал он и улыбнулся, слегка волнуясь. – Это такая штука, которую доктор Уорнер и другие врачи поместили мне в голову. Когда я был совсем маленьким, врачи сказали, что у меня РАС. Это расстройство аутического спектра, то есть мой мозг не мог делать некоторые вещи, которые он делает у других людей. У каждого это бывает по-разному, но вообще нам трудно делать то, что другие делают без проблем, особенно понимать, что чувствуют люди.

Джейсон обвел взглядом класс и встретился глазами с несколькими учениками, а потом продолжил.

– Но к счастью, появилась эта новая штука, которую вживили мне в голову, и она кое-что исправила. Теперь я могу понимать, кто радуется, кто грустит, а кому скучно, просто посмотрев ему в лицо. Как это делают все. Раньше не мог. Раньше люди мне говорили, что я смотрю на них по-другому. А еще я чувствую все так… так сильно. Это не лучшее слово, но как-то так.

Девочка по имени Белла подняла руку и тут же спросила:

– Джейсон, это значит, ты вылечился?

Джейсон отрицательно покачал головой.

– Нет, – спокойно ответил он. – Мой мозг всегда будет немного другим. Но я привык к этому. Штука в моей голове очень помогает мне делать то, что другие делают легко и просто. А еще здорово, что она помогает чувствовать себя лучше, потому что чем больше к ней привыкаешь, тем больше она запоминает.

Иногда я прихожу к доктору Уорнеру, и он ее регулирует. Это тоже очень помогает.

– Ты теперь как робот, что ли? – засмеялся с задней парты Брэндон.

– Брэндон! Прекрати сейчас же! – строго сказала миссис Сэндовал.

– Все нормально, – непринужденно сказал Джейсон. – Мама говорит, что люди смеются над тем, чего не понимают.

Он повернулся обратно к классу и продолжил.

– Нет, это как носить очки, чтобы видеть всю комнату. Или носить слуховой аппарат, чтобы слышать. Некоторым ребятам тоже смешно, но это… грустно. Доктор Уорнер говорит, что это только самое начало, и со временем все станет лучше. Когда я вырасту, такие штуки будут уже у многих людей. Ну вот, это все, что я хотел сказать. Вот чем я занимался летом на каникулах.

Любому, кто когда-либо имел дело с многочисленными проблемами, связанными с аутизмом или РАС, приведенный сценарий может показаться наивным или слишком оптимистичным. Тем не менее мы все лучше понимаем многие процессы, происходящие в мозге. И есть надежда, что со временем мы лучше поймем причины, по которым происходит сбой. Не исключено, что работа в области эмоциональных технологий окажется полезной для решения этих проблем и поможет усовершенствовать обучающий процесс.

Как уже упоминалось, после основных исследований в области эмоционального программирования появились устройства, помогающие людям с расстройствами аутического спектра. Устройства, считывающие кожно-гальваническую реакцию, в том числе iCalm, Q sensor и Embrace, а также протезы эмоционального интеллекта, такие как MindReader, – лишь намек на имеющийся в этой сфере потенциал.

Не стоит забывать об успехах разработки интерфейсов по мере того, как ученые открывают новые способы помочь людям с различными сенсорными проблемами и ограничениями. Рэй Курцвейл разработал портативное читающее устройство для незрячих. Появляются различные способы использования компьютера, чтобы компенсировать утраченные зрение, слух или способность передвигаться. Разработаны интерфейсы «мозг-компьютер» (ИМК), дающие людям с параличом конечностей или синдромом изоляции возможность общаться и передвигаться в устройствах вроде кресла на колесах лишь при помощи мысли. Существует реальная потребность в таких технологиях. Они получили одобрение и финансирование на таком уровне, который был бы невозможен, если бы устройства оставались теоретическими исследованиями.

Теперь мы наблюдаем, как нечто подобное происходит с устройствами и интерфейсами, способными изменить к лучшему жизнь тех, кто испытывает сложности на эмоциональном уровне. Как и в случае с другими интерфейсами, эти технологии найдут коммерческое применение и будут востребованы даже в тех рыночных нишах, где о них прежде не задумывались.

Это предоставляет замечательные возможности. Если обработка эмоций настолько важна для мотивации, формирования памяти и обучения, то каким будет значение эмоционального искусственного интеллекта для образования в будущем? Можно ли будет благодаря этим технологиям перейти к образованию, основанному на потребностях, и обеспечить персональный подход к обучению? Эмоциональное программирование может изменить подход ко всему образовательному процессу – от раннего обнаружения аутизма до планирования поэтапного обучения самых одаренных учеников.

Аутизм – пожизненное состояние, его причиной считается сочетание ряда генетических и эпигенетических факторов, а также факторов воздействия окружающей среды. Вопреки некоторым распространенным идеям, люди с аутизмом определенно испытывают эмоции. Однако исследования показывают, что аутисты часто имеют проблемы с распознаванием эмоций, их оттенков и нюансов у других людей и при социальном взаимодействии.

В последние годы появились веские доказательства того, что раннее обнаружение и вмешательство могут оказать значительное влияние на неврологические и поведенческие последствия, а следовательно, и на дальнейшее качество жизни. Хотя аутизм часто не выявляется до трехлетнего возраста, некоторые характерные признаки проявляются гораздо раньше. Технологии эмоционального программирования могут помочь в ранней диагностике. Например, робот способен отслеживать зрительный контакт во время игры намного точнее и дольше, чем человек. Притом что некоторые признаки аутизма отслеживаются по зрительному контакту, это поможет раньше выявить заболевание, особенно у детей, подверженных высокому риску, например чьи близкие родственники аутисты (аутизм передается по наследству). В таких случаях своевременное вмешательство позволит раньше начать лечение и получить лучший результат.

Роботов часто используют для помощи людям с риском аутизма. Целое направление – вспомогательная социальная робототехника – занимается разработкой и изучением методов применения роботов в межчеловеческом взаимодействии, включая использование в лечебных целях. У многих детей-аутистов нарушены способности к социальному взаимодействию, в частности его эмоциональные компоненты в вербальной и невербальной коммуникации. Постепенно робот сможет играть роль посредника между ребенком и его лечащим врачом. Польза такой практики очевидна: действия и движения робота можно до предела упростить и прекрасно повторить, благодаря этому их будет проще предсказать, чем действия человека. При взаимодействии с ребенком-аутистом это может стать решающим фактором. По словам эксперта в области нейронаук Саймона Барона-Коэна, директора Центра исследования аутизма при Кембриджском университете, общение с человеком может стать для аутиста огромной проблемой из-за недостатка предсказуемости. Барон-Коэн объясняет: «Такие люди находят недопустимую ситуацию опасной. Они не могут с ней справиться, а потому уходят от мира людей в мир объектов»^1,2.

Лечение аутизма требует огромного количества времени. Больному приходится десятки часов в неделю проводить с разными врачами, которые работают с целым рядом поведенческих, социальных и коммуникативных проблем. Неудивительно, что квалифицированных специалистов не хватает. Вспомогательные социальные роботы могут восполнить нехватку обученного персонала. Один из них, Бандит, – изобретение Майи Матарик, профессора информатики, нейробиологии и педиатрии, директора Центра робототехнических и автономных систем при Университете Южной Калифорнии. У Бандита есть сенсоры и моторы, которые позволяют ему приближаться к человеку, если тот проявляет к нему интерес, и отдаляться, если человек испуган или озадачен. Он может повторять движения человека, чтобы их усвоить. Или поиграть в игру «Саймон говорит» столько времени, сколько человеку надо, даже если на это уйдет несколько часов.

Чтобы определить, полезно ли детям с высокофункциональным аутизмом взаимодействовать с роботами, в Денверском университете провели длительное динамическое пилотное исследование. Для изучения взаимодействия группа из Школы инженерного проектирования и информатики Даниэля Феликса Ричи использовала NAO – автономного программируемого робота, произведенного французской робототехнической компанией Aldebaran. Робот, оснащенный четырьмя микрофонами и двумя камерами, мог ходить, танцевать и даже петь. Камеры использовались для отслеживания выражений лиц, поддержания зрительного контакта, реакций и имитации действий детей с высокофункциональным аутизмом и синдромом Аспергера. Детям давали простые задания на социальное взаимодействие. В случае успеха они получали поощрение в виде жеста «дай пять». Простая внешность и предсказуемые движения робота не вызывали в детях страха, который мог бы вызвать взрослый человек.

Исследователи отметили любопытный факт: у детей привязанность к роботам возникала легче, чем к людям, возможно потому, что дети считали роботов дружелюбными. Руководитель исследования и адъюнкт-профессор электронной и компьютерной инженерии Мохаммад Махур отметил: «Наш робот во многом выглядит как человек, но при этом не обладает всеми человеческими чертами. Это может помочь людям с аутизмом, потому что робот проще. Можно сосредоточиться на одном социальном аспекте общения»³. По результатам исследования сообщалось, что дети с расстройствами аутического спектра дольше поддерживали зрительный контакт и реже отводили взгляд, когда с ними говорил NAO, но не когда говорили они сами. И хотя это было лишь одно небольшое исследование, оно уже говорит о том, что вспомогательная социальная терапия пошла на пользу многим ее участникам.

Более реалистичный робот Зено – продукт Hanson Robotics – используется в ряде проектов и исследований, направленных на повышение навыков социального взаимодействия у детей с расстройствами аутического спектра. Зено обладает внешностью маленького мальчика ростом примерно 60 см. Лицо робота покрыто материалом фраббер, запатентованным компанией Hanson. Этот многослойный эластичный полимер позволяет добиться реалистичных выражений лиц у роботов, когда моторы и сервоприводы действуют изнутри. Каролин Гарвер, директор Далласского центра лечения аутизма, сотрудничала с Университетом Техас в Арлингтоне и проверяла, можно ли использовать Зено, чтобы обучить детей с аутизмом правильно распознавать выражения лиц. Такие дети не всегда способны хорошо понимать людей. Гарвер отметила: «Робот выступает в роли посредника. Дети отвечают Зено. Он не осуждает, не злится, может делать одни и те же вещи снова и снова и никогда не устает»⁴. В итоге цель – помощь детям в установлении более тесных эмоциональных связей – была достигнута, но все же остается еще много работы.

Зено – один из роботов, использующихся для обнаружения признаков аутизма у младенцев и детей в возрасте от года до трех лет. Это намного раньше, чем принято в традиционной диагностике. Поскольку аутизм не выявляется на основании биологических показателей, обычно он диагностируется по поведенческим факторам. Многие из диагностических методик основаны на выявлении проблем с социальным взаимодействием и развитием речи, но поскольку эти признаки тесно связаны с языком, их сложно наблюдать в течение первых двух лет жизни. Вот почему аутизм почти невозможно выявить у детей от года до трех лет. Однако, как уже упоминалось, тщательно отслеживая взгляд и моторику движений, роботы могут обнаружить биологические признаки и проблемы с согласованностью действий, по которым можно диагностировать расстройства аутического спектра. В результате можно гораздо раньше начать лечение при помощи целого ряда методик.

Эмоциональное программирование и вспомогательная социальная робототехника могут найти применение не только в случае серьезных проблем с обучением. Например, в исследовании, проведенном в 2013 году в Университете штата Северная Каролина, ученые с помощью видеокамер наблюдали за студентами, изучавшими начальный курс программирования. Ученые оценивали индивидуальный уровень огорчения студентов, которым не удавалось усвоить тему. Основным инструментом исследовательской группы стал Компьютерный Комплекс Распознавания Выражений Лиц (CERT), разработанный в Лаборатории машинного восприятия при Калифорнийском университете в Сан-Диего. CERT – это программное средство автоматического распознавания выражений лиц в режиме реального времени, распространяемое бесплатно для исследовательских проектов. Оно может автоматически кодировать интенсивность девятнадцати лицевых движений из Системы кодирования лицевых движений (СКЛиД) Экмана и шесть различных прототипных выражений лица. Проанализировав шестьдесят часов видеоматериалов, исследователи сравнили данные анализа с данными ручной оценки этих же видеоматериалов и нашли много совпадений. Иными словами, программа по выражениям лиц студентов определила, для кого из них курс оказался сложным, а для кого, напротив, слишком легким.

Это лишь один относительно простой и незамысловатый способ применить технологию эмоционального программирования для решения проблем. Во многих классах часто не хватает учителей на всех учеников. Программное средство, подобное тому, о котором говорилось выше, могло бы в режиме реального времени оповещать учителя о том, кому из учеников нужно дополнительное внимание. Также появится возможность приспособить курс к индивидуальным запросам каждого ученика. Например, можно поддерживать заинтересованность сильных учеников, но в то же время не давать всем остальным расстраиваться из-за того, что они чего-то не понимают. В отличие от многих приложений искусственного интеллекта, это средство не будет лишать людей их рабочих мест, а сделает работу учителей более эффективной.

Поскольку эмоциональные состояния серьезно влияют на способность к обучению и формирование памяти, многие аспекты образования могут только выиграть от использования технологий эмоционального программирования. Например, в ходе исследования, проведенного в 2012 году в Йельском университете, сто участников должны были решить несколько головоломок, при этом их обучал робот⁵.Участников эксперимента распределили по пяти состояниям: советов нет, робот дает случайный совет, голос робота дает совет лично человеку, видеоизображение робота дает совет лично человеку и физически присутствующий робот дает совет лично человеку. Эффективность обучающего робота оценивали по времени, которое понадобилось участникам, чтобы решить головоломки. В среднем быстрее всего с головоломками справлялись те, кого обучал физически присутствующий робот. На основании этого эксперимента и последующих, проведенных другими группами, исследователи сделали вывод о когнитивном преимуществе обучения с учителем, даже если это робот. Предположительно, в этом «социальном взаимодействии» участвует некий аспект нашего эмоционального сознания, который вызывает подобную реакцию.

Постепенно робот сможет играть роль посредника между ребенком и его лечащим врачом.

Если это не просто функция качества обучения, будет ли достаточно присутствия субъекта когнитивного воздействия, даже если это не человек, чтобы вызвать у нас определенные социально-поведенческие реакции? Рассмотрим явление, которое в науке об образовании называется «проблема двух сигм Блума»⁶. Впервые его наблюдал и описал педагог и психолог Бенджамин Блум в 1984 году. В результате нескольких экспериментов выяснилось, что баллы студентов, получавших индивидуальную поддержку при освоении материала, попали в 98-ю процентиль (известную в статистике как отклонение в две сигмы) в сравнении со студентами, обучавшимися в рамках стандартных методик⁷. Эффект повторился еще в нескольких экспериментах. С учетом этого результата, что нам делать с доказательством того, что само присутствие обучающего робота стабильно улучшает результат на одну сигму, то есть попаданию результатов в 68-ю процентиль? Указывает ли полученный результат на то, что у этого явления так же много общего с нашей собственной психологией, как и с собственно качеством обучения? Сохранится ли подобный эффект на протяжении долгого времени или сойдет на нет, когда пользователь привыкнет к преподавателю? Покажут лишь время и дальнейшие исследования, но проблема определенно стоит изучения. В настоящее время проблема двух сигм Блума также предполагает разработку интересных стратегий для улучшения результатов образования.

Различные исследователи рассматривают вспомогательных социальных обучающих роботов и машины с эмоциональным искусственным интеллектом как путь к обучению с максимально индивидуальным подходом⁸. Это не просто вопрос передачи информации и помощь в ее усвоении через новый канал, а скорее шаг навстречу обучению принципиально иным способом.

Педагоги давно признали фундаментальную роль эмоций в процессе обучения. Слишком часто у студентов развивается скрытая тревога в качестве реакции на постоянную повышенную сложность материала. Стресс, который провоцирует реакция тела «бей или беги» (также известной как «бей или замри»), может навредить студенту и выключить его из процесса усвоения материала. Таким образом, стресс усложнит обучение или сделает его практически невозможным. С другой стороны, студенты, которые находят материал недостаточно сложным, могут потерять к нему интерес, и им станет скучно. Это нарушает сосредоточенность, которая необходима при усвоении принципиально нового сложного материала. Сохранение энтузиазма в классе – первостепенная задача, и ее нужно выполнять, чтобы поддерживать ум (и тело) в состоянии ожидания. Чтобы решить обе проблемы, многие преподаватели «учат посередине», чем зачастую вредят и сильным, и слабым ученикам. Из-за этого поиск баланса, при котором все ученики не испытывают страха перед учебным процессом и у каждого удается поддерживать предвкушение и интерес, стал практически невыполнимой задачей.

Нужные эмоциональные состояния могут активизировать мозг и подготовить его к лучшему усвоению, сохранению и пониманию информации, в то время как другие состояния тормозят обучение. Процессы, которые лежат в основе наших эмоций, эволюционировали и стали запускаться автоматически в ответ на воздействия внешней среды. Мы стали использовать их себе на пользу, применять в современном образовании, повышать заинтересованность учащихся, что помогает учителям лучше достичь своих целей. Разумеется, это достаточно сложно даже в условиях индивидуального обучения. Пытаться заставить эти механизмы работать в классе, где много учеников (с разными типами мышления), – и вовсе неразрешимая задача. По крайней мере, если судить об успехе по нашей способности помочь всем ученикам раскрыть свой потенциал.

Теперь у нас есть новые технологии, которые, возможно, помогут поддерживать особые эмоциональные состояния, чтобы улучшить процесс обучения и избежать состояний, тормозящих обучение. Мы уже убедились, что само присутствие обучающего робота может улучшить результаты обучения. А что, если не знающий усталости учитель также сможет наблюдать за нашим уровнем заинтересованности и вовлеченности? В зависимости от того, как структурирована информация, робот может изменить собственную программу, чтобы она лучше подходила для обучающегося, или перенаправить эту информацию на любую программу, которая ведет урок. Материал – визуальный, звуковой, учебный или опытный – можно оптимально приспособить под индивидуальный стиль каждого учащегося. В результате каждому будет обеспечен индивидуальный подход, учитывающий способности к усвоению материала и помогающий настроить сознание и тело на запоминание и сохранение информации в памяти.

Использование технологии в решении этой проблемы может стать частью ответа, хотя до тех пор, пока технология не начнет понимать эмоции, она наверняка не сможет достичь полного успеха. Например, компания Knewton приближается к персональному подходу в образовании при помощи технологии адаптивного обучения, собирающей данные об успеваемости учащихся. На основе собранных данных создается профиль обучения, который задает оптимальный характер проведения занятия и подход к каждому ученику. Процесс обращается к огромному количеству загруженного учителем материала и данных об оценках учащегося и превращает решение, основанное на теории образования, в решение, управляемое процессами работы с большими массивами данных.

И хотя Knewton – не единственная компания на рынке технологий адаптивного обучения, она известна больше других. По всей видимости, именно они располагают ценной информацией. Компания заявляет, что количество их профилей достигло двухсот тысяч и их технология используется в более чем двадцати странах мира. По словам представителей компании, эта технология не заменит учителей, но поможет сэкономить их время.

Единственное, за что можно серьезно критиковать технологию Knewton, – это недостаток эмоциональной вовлеченности. Критики говорят, что этой технологии не хватает эмпатии человека-учителя и его способности увлечь учеников, а это решающие факторы. По их словам, только понимая, чем расстроен ребенок, можно найти способ избежать огорчения. Учитывая этот недостаток, можно предположить, что системы адаптивного обучения только выиграют от использования технологий распознавания эмоций и смогут эффективнее добиваться своих целей.

Вспомогательные социальные роботы используют персональный подход в образовании в совершенно ином направлении. Тега – робот, разработанный Группой персональной робототехники при Массачусетском технологическом университете, для индивидуального обмена опытом. Тега распознает эмоциональные реакции учеников и на основе этих сигналов для каждого вырабатывает индивидуальную стратегию мотивации. Горен Гордон из Curiosity Lab в Тель-Авиве входил в группу разработчиков Теги и продолжил исследовать его применение в образовании.

Система Тега работает, используя два смартфона. Первый обрабатывает движение, восприятие и мышление, так что робот может реагировать на поведение учеников. Второй смартфон (с помощью программного обеспечения для распознавания лиц от компании Affectiva) используется для отслеживания и интерпретации выражений лиц. Чтобы поддерживать интерес учеников, исследователи применяли разные подходы, в том числе зеркальное отражение эмоций. Робот изображал оживление или скуку, когда ребенок демонстрировал эти эмоции, потому что эта практика оказалась успешной для вовлечения некоторых учеников. Усилив персонально ориентированную реакцию от каждого ученика, проект показал, что разным детям нужны разные эмоциональные стратегии для удержания их интереса. Исследователи с интересом отметили, что со временем дети стали воспринимать Тегу как своего сверстника.

«Более любопытный ребенок способен преодолеть огорчение и учиться наравне с другими, он всегда будет успешнее в учебе», – отметила Синтия Бризель, руководитель Группы разработки персональных роботов при Массачусетском технологическом институте.

В ходе одного эксперимента группу студентов, изучавших испанский язык, подбадривал робот, который действовал как друг, предлагал подсказки и разделял раздражение студентов и их радость от успеха.

«Особенно интересно то, – говорит Бризель, – что дети начали общаться с Тегой как со своим сверстником. Это общение открывает новые возможности для разработки нового поколения обучающих технологий». Такой вывод подкрепляется доказательствами множества других исследований и экспериментов, изучавших потенциал роботов в качестве вспомогательных социальных приложений.

На кафедре информатики Йельского университета также проводили исследования с обучающими роботами в роли компаньонов. В ходе исследования, повторяющего проведенное в Массачусетсе, маленький робот-компаньон общался с детьми четырех и пяти лет, чьим родным языком был испанский. Робот помогал им изучать спряжения английских глаголов на основе контекста из предложений. Когда дети читали вслух, робот мог в любое время остановить их и переспросить, что означает то или иное слово по-английски. Когда робот обращался за помощью, ребенок выступал в роли наставника и вовлекался в процесс обучения через игру.

Исследователи кафедры информатики Йельского университета совместно с психологами изучали возможности использования роботов-персонажей для вовлечения детей в интерактивные повествовательные сценарии. Взаимодействие в группе показало, что подобное применение роботов имеет определенный потенциал и помогает детям распознавать эмоции и применять социальные навыки. Во время другого эксперимента пушистый робот Dragon-Bot рассказывал детям о питании, когда они готовили для него еду. Таким образом, робот и ребенок менялись ролями учителя и ученика, способствуя вовлеченности ребенка в процесс. Такой подход основан не только на знаниях, но и на уверенности и самостоятельности.

Почему обучение при помощи роботов, подобное этим примерам, дает положительный эффект? Здесь мы можем вернуться к тому, что люди – крайне социальный вид, и такой подход позволяет нам делать то, к чему мы приспособились в ходе эволюции. Если от роботов будут исходить правильные эмоциональные сигналы, наша реакция на них будет абсолютно такой же, как на людей.

Например, исследование, проведенное в Техническом университете Дельфта в Нидерландах, показало, что выражения лица и язык тела человекоподобного робота могут влиять на настроение наблюдающих за ним людей. В одном эксперименте обучающий робот прочел одну и ту же лекцию двум разным группам учащихся магистратуры. На одной лекции язык тела робота сообщал позитивный настрой. На второй настрой робота был негативным. Лекция с позитивным настроем не только подняла учащимся настроение, они набрали по объясняемой теме высокие баллы. Хотя студенты второй группы аплодировали роботу, когда лекция закончилась, они набрали низкие баллы по теме. Причем материал лекции для обеих групп был полностью идентичным. Способность так легко влиять на настроение студентов и восприятие предмета предполагает множество возможностей для применения.

Разумеется, есть и другие способы использовать искусственный интеллект в преподавании. В мае 2016 года в «Wall Street Journal» появилась история о помощнике преподавателя, читавшего курс искусственного интеллекта в Технологическом институте Джорджии⁹. Джилл Уотсон была одним из девяти помощников на более чем три сотни студентов. Она была общительной, компетентной и эффективной. А еще она была искусственным интеллектом, который разработал профессор информатики Ашок Гойль. Джилл работает на платформе IBM Watson и функционирует со степенью надежности в 97 %¹⁰. По оценкам Гойля в течение года Джилл может ответить на 40 % всех вопросов студентов, заданных онлайн. И хотя в нынешней форме у Джилл нет эмоционального канала, ей удалось провести студентов Гойля, потому что выполняемые функции не требовали от ИИ эмоциональной грамотности. Однако по мере развития технологии и добавления новых функций подобные цифровые помощники станут более приятными и интересными.

Многие из этих идей можно применить в обучающих онлайн-системах и МОДК (массовых открытых дистанционных курсах). Во многих отношениях они могли бы усовершенствовать дистанционные курсы и прочие системы дистанционного образования. Они могли бы восполнить недостаток социального взаимодействия и мотивации, которым онлайн-курсы отличаются от традиционных образовательных систем.

В случае с методами удаленного наблюдения, такими как визуальное распознавание выражений лиц, должна появиться возможность определять все большее количество эмоциональных состояний студентов в реальном времени. Затем, когда будет создана обширная база данных, можно будет изменять планы занятий, подходы и упражнения, чтобы привести студента в состояние, оптимальное для обучения. Персональный подход к обучению позволит каждому учащемуся сохранять энтузиазм, сосредоточиться на учебе, выполнять задачи, которые ему по силам, не доводить студента до эмоциональной перегрузки и отсутствия восприимчивости.

В недалеком будущем могут появиться методы еще более непосредственного эмоционального и когнитивного влияния. Например, ответы студентов будут отслеживаться еще быстрее, скажем при помощи ЭЭГ (электроэнцефалограммы) или другой разновидности сканирования мозга. Затем некоторые области мозга можно будет стимулировать несколькими методами. Например, транскраниальная магнитная стимуляция (ТМС) с помощью магнитных полей изменяет небольшие участки мозга и способствует лучшей восприимчивости и запоминанию. Управление перспективных научных исследований и разработок Министерства обороны США (DARPA) применило этот метод в исследованиях, чтобы повысить концентрацию внимания и скорость усвоения знаний (об этом в следующей главе). Чем лучше мы поймем процесс восприятия информации, тем больших результатов сможем достичь, применяя когнитивные и эмоциональные процессы, а также получив контроль над нейронами, задействованными в обучении.

У нас есть множество возможностей для использования новых технологий в образовательном процессе и обучении. Не все эти методы получат одобрение, но многие из них со временем станут обычной практикой. Каждый раз, когда речь заходит о высокоточном чтении показаний мозга или воздействии на него, как и следовало ожидать, возникает вопрос самостоятельности и соблюдения личных границ. Разумеется, для нас очень важно, как быстро и в каких объемах можно усваивать информацию. В следующей главе мы увидим, что некоторые люди уже задумываются об этом.