麻省理工学院训练了AI以拉动您的心弦

人们对AI可能会做什么感到非常担心 -拿我们的工作，，，，自动偏见，甚至有助于破坏民主。但是在右手方面，AI可以用作引起同理心的工具吗？算法能否学习是什么使我们对与我们不同的人感到更加同情？如果是这样，他们是否可以帮助我们说服我们采取行动或捐款以提供帮助？

这些是麻省理工学院媒体实验室的研究人员的问题可扩展合作实验室和联合国儿童基金会的创新实验室着手回答一个名为的项目深厚的同理心。您可能还记得以前项目的可扩展合作实验室噩梦机和雪莱AI，它教授AI创建可怕的图像和故事。但是最近，同一团队专注于如何使用计算机生成的图像，使人们对灾难受害者感到更加同情。

“作为人类，我们有一系列偏见，可以限制我们对与我们不同的人的关怀，并使我们麻木，造成大量的伤害和死亡，”伦敦经济学院的研究助理佐伊·拉赫旺（Zoe Rahwan）在伦敦经济学院工作。项目，告诉www.vwinchina.com在电子邮件中。“我们希望深厚的同情心将有助于克服这些偏见，从而使同理心以前所未有的方式扩展。”

因为人们倾向于对图像的同情比统计数字更多，所以实验室着手训练AI来拍摄北美和欧洲城市的图像，并将其转变为那些相同城市的样子，如果它们像战争折磨一样作为今天的叙利亚。该技术称为神经风格转移，实质上将两个图像结合在一起，保留一个图像的内容和另一个图像的样式。这是相同的技术图像，使它看起来像毕加索或梵高绘制了- 但要获得社会善，而不是为了娱乐。该算法吐出了波士顿，旧金山，伦敦和巴黎的图像，这些城市被炸毁了贝壳，带有破旧的建筑物和灰白的天空。

可能是看到您知道和爱的地方的照片使叙利亚发生的破坏感到更加直接和个人化。根据媒体实验室的一名研究科学家尼克·奥布拉多维奇（Nick Obradovich）的说法，研究人员进行了一些受控的实验，以测试AI生成的图像是否会像叙利亚城市的真实图像中获得许多援助捐赠。他们发现，AI生成的图像获得的捐赠与真实的捐赠一样多，并且参与者报告了相同数量的同理心。换句话说，他们的模拟灾难能够产生与人们在叙利亚遇到战争实际形象时所感受到的同情反应。

However, “the main goal of our project is not to ‘outperform’ real disaster images (which are often overused and suffer from habituation), but rather to create a scalable way to induce empathy,” says Pinar Yanadag, a postdoc at the Scalable Cooperation lab. In times of crisis when aid is badly needed, such a tool may help people who aren’t familiar with the affected area truly understand the extent of the devastation. The group has applied the same idea to places that have suffered from earthquakes and fires, with promising results.

研究人员还希望培训另一个人工智能，以区分一个图像是否会比另一个图像更具同理心。在项目的网站上您可以进行调查这使您可以在从Flickr绘制的两个图像之间进行选择，这些图像被标记为“叙利亚”。许多图像看起来很随意，或者是从日常生活场景中汲取的，与战争无关，因此决定您会感到更加善解人意会感到困难 - 这使您想起了主观的同理心。但是，从调查中创建一组培训数据具有更大的目的：培训一种算法，该算法可以帮助非营利组织确定在营销中使用哪些照片，以便人们更有可能捐款。

到目前为止，来自90个国家 /地区的人们为10,000张图像标记了他们引起的同情心。如果Facebook要以这种方式创建一种算法，那将感觉到操纵性。但是，在研究和非营利性环境中，帮助人们将更多的灾难与可能感觉很远的灾难联系起来，并帮助非营利组织利用这种能量来帮助有需要的人，例如一种有价值的使用机器学习的方式。

参加调查，通过该项目的前后照片进行扫描，这些照片将大城市变成炸毁的荒原，也许您甚至会搬到联合国儿童基金会。