Scarica Robotica Sociale: Interazione Uomo-Robot e Applicazioni - Prof. Conti e più Sintesi del corso in PDF di Psicologia Generale solo su Docsity!
Vita naturale, vita artificiale Introduzione: Cap.1: Le reti neurali artificiali riproducono la vita? Cos'è una rete neurale artificiale? Una rete neurale artificiale è un modello matematico creato per imitare il modo in cui funzionano le reti neurali biologiche (cioè quelle presenti nel cervello umano). Questo modello cerca di riprodurre le caratteristiche dei neuroni biologici per simulare il loro modo di elaborare le informazioni e adattarsi all’ambiente mentre svolge i suoi compiti. Le reti neurali artificiali sono state sviluppate ispirandosi sia alla cognizione umana che al funzionamento del sistema nervoso biologico , e si basano su alcune idee fondamentali: L’elaborazione delle informazioni avviene grazie a molti neuroni artificiali che lavorano in parallelo (cioè contemporaneamente). I dati si trasmettono tra i neuroni attraverso una rete di collegamenti , sotto forma di numeri reali (di solito tra -1 e +1). Ogni collegamento tra due neuroni, detto sinapsi , ha un peso. Questo peso è anch’esso un numero reale (tra -1 e +1) e serve a modificare il valore del dato trasmesso : il dato viene moltiplicato per questo peso, influenzando così il segnale ricevuto dal neurone successivo. I dati che arrivano in ingresso a un neurone vengono sommati e poi elaborati da una funzione di attivazione , che determina il risultato (cioè l’output) del neurone. Le caratteristiche principali di una rete neurale artificiale sono:
- La struttura della rete, cioè come sono collegati i neuroni (architettura).
- L’ algoritmo di apprendimento , cioè il metodo usato per decidere i pesi delle connessioni.
- Le funzioni di attivazione usate dai neuroni. A differenza dei computer tradizionali , che eseguono i calcoli in modo seriale (cioè un passo alla volta), una rete neurale lavora in parallelo , come avviene nel cervello, dove i neuroni comunicano e reagiscono simultaneamente. Questo è il principio che guida il funzionamento dei Neural Network , che appunto operano “in rete”, proprio come fanno i neuroni biologici con le loro sinapsi. 2. Storia delle "reti" e paradigmi di apprendimento Lo studio delle reti neurali è un campo interdisciplinare , perché coinvolge sia lo sviluppo teorico che le applicazioni pratiche. Per questo motivo, il modo in cui viene costruita una rete neurale può cambiare molto, a seconda della formazione dello sviluppatore e dell’obiettivo della rete. Questo ha portato alla creazione di tante varianti di architetture, algoritmi di apprendimento e funzioni di attivazione. Il primo modello di neurone artificiale è stato proposto da McCulloch e Pitts : i due studiosi hanno dimostrato che unendo più neuroni in un sistema interconnesso si poteva ottenere una maggiore potenza di calcolo. In seguito, Hebb ha introdotto l’idea che l’apprendimento può avvenire grazie al rafforzamento delle connessioni tra neuroni che si attivano simultaneamente , cioè più due neuroni si attivano insieme, più il collegamento tra loro si rafforza. Un altro passo importante è stato fatto da Rosenblatt , che ha creato il modello dei percettroni , ovvero reti artificiali in grado di apprendere. I pesi sinaptici dei percettroni possono essere modificati in modo iterativo , cioè con ripetizioni successive. Questo meccanismo è ciò che consente alla rete di apprendere. Tuttavia, i percettroni funzionano bene solo quando i dati da classificare sono linearmente separabili. Quando i problemi sono più complessi, è meglio usare reti multistrato , non lineari, che permettono un apprendimento più efficace e veloce. Un algoritmo molto usato per l’apprendimento delle reti neurali è quello della retro-propagazione dell’errore. Questo metodo serve a correggere i pesi delle connessioni sulla base dell’ errore osservato in uscita. Si parte dall’output, si calcola quanto è lontano dal risultato desiderato e si torna indietro nella rete, aggiornando i pesi per migliorare l’accuratezza della risposta. Questo tipo di algoritmo è un metodo di apprendimento supervisionato : la rete impara a collegare input e output noti , per poi riuscire a fare previsioni anche quando l’output non è conosciuto. L’apprendimento supervisionato viene usato per classificare dati o approssimare funzioni. Un tipo particolare di rete è la rete ricorsiva , che ha connessioni di ritorno al suo interno. In queste reti, l’output dipende non solo dall’input presente, ma anche dal feedback interno e dallo stato precedente della rete. È quindi possibile
simulare una memoria , come nel modello di Elman , che permette alla rete di tenere conto dei suoi stati passati per gestire sequenze temporali (ad esempio, frasi o serie di eventi). Oltre all’apprendimento supervisionato, ci sono altri due paradigmi : L’apprendimento non supervisionato , in cui la rete non conosce in anticipo l’output. Il suo compito è scoprire una struttura nascosta nei dati di input. Un esempio famoso è quello delle mappe auto- organizzanti , proposte da Kohonen nel 1982. Queste reti imitano le funzioni della corteccia cerebrale , quindi sono molto utili per analizzare dati visivi, uditivi e sensoriali. L’apprendimento per rinforzo , che imita i meccanismi di premio e punizione. In questo caso, un agente esterno valuta la prestazione della rete e assegna una ricompensa ai cambiamenti che portano miglioramenti. L’algoritmo più conosciuto è il Q-Learning , sviluppato da Watkins. Questo metodo assegna un premio scontato e rappresenta una versione del principio base del rinforzo. Le reti neurali artificiali sono anche capaci di generalizzare , cioè riconoscere stimoli diversi da quelli con cui sono state addestrate. Questo le rende simili agli organismi viventi e ne amplia notevolmente l’uso pratico. Le applicazioni delle reti neurali sono molto estese. I modelli di McCulloch e Pitts sono stati usati con successo in elettronica (ad esempio, nei circuiti logici ) e anche per eliminare il rumore nelle linee telefoniche. Le reti sono anche usate nel data mining , nella robotica , nei veicoli commerciali , nella previsione del tempo , nella biologia e in economia. Sono particolarmente efficaci nella classificazione di dati complessi , nel riconoscimento di schemi , nell’individuazione di regolarità nei sistemi , nella diagnosi medica , nella stima del QI in soggetti con disabilità , nella digitalizzazione di manoscritti , nel riconoscimento facciale , nella comprensione del linguaggio parlato , e persino nella ricerca immagini di Google. Le reti neurali moderne sono dotate di architetture e algoritmi di apprendimento profondo e riescono a svolgere compiti avanzati come: il riconoscimento vocale automatico , il riconoscimento di azioni umane , l’ elaborazione del linguaggio naturale. Oggi le reti neurali vengono usate in contesti reali , molto complessi e imprevedibili, che non possono essere programmati in anticipo. Per questo servono strumenti altrettanto sofisticati. Le reti non servono solo per conoscere, ma anche per intervenire concretamente in ambiti come educazione, formazione, supporto sociale, terapia e riabilitazione.
3. Esempi di applicazione Un settore in cui le reti neurali hanno avuto molto successo è quello della classificazione di dati complessi , come il riconoscimento di pattern , cioè la capacità di individuare schemi ricorrenti in grandi quantità di dati. Alcuni esempi di applicazione sono: L’ elaborazione di segnali biomedici per identificare diagnosi e trattamenti; La stima del QI in soggetti con ritardo mentale , usando dati di origine e peso diversi; La digitalizzazione di testi scritti a mano , come i numeri. 4. Le reti neurali possono simulare la vita? Se gli organismi artificiali possono apprendere ed auto-orientarsi come gli organismi viventi, senza necessariamente dipendere da input esterni in fasi successive a quelle iniziali, si può realizzare un'autonomia e un auto-controllo che meglio si prestano alla simulazione della vita. **Cap.2: riprodurre la vita tra filogenesi e ontogenesi
- Verso la complessità della vita: la mente artificiale include il corpo** Le teorie dell’ embodied cognition spiegano che la COGNIZIONE e il PENSIERO non si trovano soltanto nel cervello e quindi non sono separati dal corpo. Al contrario, è proprio dal continuo scambio tra cervello e corpo che nasce l’INTELLIGENZA.
Alcune architetture, come ERA e LESA , sono specializzate nell’apprendimento del linguaggio e includono anche aspetti senso-motori, linguaggio parlato, significati (semantica) e uso del linguaggio (pragmatica). Il robot iCub , per esempio, è un progetto importante perché cerca di integrare tutte le abilità funzionali principali, offrendo così un modello più completo di APPRENDIMENTO APERTO E CUMULATIVO. La sfida principale in questo campo è unire in un unico robot le diverse abilità – sensoriali, motorie, linguistiche e di ragionamento – che oggi vengono spesso studiate separatamente.
4. Anche l'apprendimento artificiale può essere "motivato" Nel campo della simulazione della vita reale, la MOTIVAZIONE INTRINSECA è considerata un elemento fondamentale. Diversi studi hanno dimostrato che un robot, una volta che ha raggiunto una buona padronanza in una certa abilità o in un certo settore, è in grado di spostare spontaneamente l’attenzione verso altri aspetti dell’ambiente o verso nuove competenze che ancora non possiede. Questo comportamento si basa sulla sua capacità di esplorare , scoprire cose nuove e prevedere i cambiamenti , tutte attività che diventano scopi generali del suo funzionamento. Alla base di questi studi c’è l’idea che l’apprendimento artificiale possa seguire una logica gerarchica e cumulativa , cioè che le competenze apprese inizialmente, anche solo per curiosità, gioco o per esplorare, vengano poi riutilizzate per costruire comportamenti sempre più complessi. Per esempio, capacità che inizialmente sembrano poco importanti possono diventare fondamentali per la sopravvivenza , come nel caso di un robot che prima impara a muoversi per divertimento e poi usa quel movimento per evitare pericoli o cercare risorse. Alcuni studiosi hanno sviluppato un cosiddetto "studente virtuale" , cioè un robot simulato che cresce dentro un ambiente scolastico artificiale , con due fasi: una prescolare e una scolare. Nella fase prescolare, il robot si esercita per lungo tempo con attività che coinvolgono abilità senso-motorie e capacità cognitive di base , proprio come un bambino piccolo che esplora con il corpo e con i sensi. Nella fase scolare, invece, l’attenzione si sposta su attività che coinvolgono capacità simboliche superiori , cioè l’uso di simboli e di rappresentazioni mentali più complesse, simili a quelle usate nel ragionamento e nel linguaggio. In entrambi i casi, per funzionare davvero, è essenziale che il robot abbia una motivazione intrinseca ad apprendere , cioè che voglia imparare per il gusto di farlo e non solo perché viene premiato o forzato. Solo con questa motivazione si può simulare in modo realistico la complessità della vita scolastica fin dalle prime fasi. 5. Le sfide future Una delle grandi sfide per la robotica è quella di progettare metodi di apprendimento che siano sia interattivi che a lungo termine , così da permettere ai robot di integrare competenze sempre più complesse e verificare come queste competenze influenzano altri aspetti del loro sistema cognitivo. Su questo punto, la ricerca ha già fatto diversi passi avanti. 1. Una prima conquista riguarda l’interazione tra i meccanismi evoluzionisti (cioè quelli legati all’evoluzione della specie nel tempo) e quelli ontogenetici (cioè quelli che riguardano lo sviluppo del singolo individuo). Combinare algoritmi evolutivi (che simulano l’evoluzione) con algoritmi di sviluppo (che simulano la crescita individuale) permette di studiare come il corpo e il cervello si adattano insieme. Questa combinazione aiuta anche a capire meglio come i cambiamenti fisici durante lo sviluppo possano essere integrati nei modelli robotici. 2. Un altro progresso importante riguarda le piattaforme robotiche "ANTROPO-MIMETICHE" , cioè robot costruiti con materiali e strutture simili a quelli umani , come muscoli artificiali e scheletri flessibili. Queste piattaforme sono utili per studiare come i sistemi di controllo del robot si auto- organizzano , e quali strategie di calcolo legate alla forma del corpo vengono usate per riprodurre lo sviluppo senso-motorio nelle sue fasi iniziali. 3. Un’altra direzione di ricerca è quella della "ROBOTICA FLESSIBILE" , che studia come corpo e cervello si adattino insieme, anche quando il corpo cambia forma. Grazie ai recenti sviluppi nel campo dei materiali, oggi si possono creare materiali rigidi ma anche dinamici e flessibili , adatti per costruire soft- robots , cioè robot morbidi, capaci di muoversi in modo più naturale e adattabile. 4. Infine, un’area promettente è quella dei robot modulari e auto-riconfigurabili. Questi robot sono formati da moduli che si possono staccare e ricollegare in modo diverso , permettendo al robot di cambiare la propria forma per adattarsi a nuove situazioni. In questi sistemi, ci sono reti neurali di controllo che
aiutano a gestire la complessità del comportamento, e strategie per modificare dinamicamente l’organismo in modo che possa apprendere e adattarsi in maniera efficace.
6. La costruzione del simbolico: verso il fondamento della vita umana Affinché si possa rappresentare la vita in tutta la sua complessità – sia quella naturale che quella artificiale – è fondamentale creare una vera integrazione tra psicologia e robotica. Questa integrazione deve avvenire senza perdere i contributi delle scienze della vita , che hanno una lunga storia, ma nemmeno ignorare il valore che può venire dalla sperimentazione simulativa , cioè dall’uso dei robot per testare e capire i meccanismi della mente. La ROBOTICA , infatti, è diventata uno strumento importantissimo per affrontare il cosiddetto "SYMBOL GROUNDING PROBLEM". Questo problema riguarda il modo in cui i simboli, le parole e i concetti acquisiscono significato nei sistemi cognitivi artificiali. Come può, per esempio, un robot capire che la parola “mela” si riferisce a un oggetto concreto? Come può associare simboli astratti a esperienze reali? Grazie alla robotica, possiamo modellare questi processi e simulare anche gli aspetti più simbolici, culturali e sociali della vita umana. In questo modo, la robotica non si limita a replicare movimenti o funzioni meccaniche, ma diventa uno strumento per capire come nasce il pensiero simbolico , che è alla base della cultura , della comunicazione , e delle relazioni sociali. **Cap.6: Applicazioni della robotica al trattamento dei disturbi evolutivi
- La robotica assistiva in contesti sociali** La robotica dello sviluppo è un tipo di robotica che cerca di riprodurre i modelli e i fenomeni studiati dagli psicologi dello sviluppo. Questo tipo di robotica è utile alla psicologia perché può essere usata per creare interventi pratici e concreti. La definizione Socially Assistive Robotics (SAR) si riferisce a un ambito interdisciplinare che unisce robotica, ingegneria, medicina e psicologia. Questo campo ha moltissime applicazioni, sia già presenti sia potenziali. La caratteristica più importante dei robot SAR è che l’interazione con l’uomo è di tipo sociale : cioè, il robot aiuta la persona attraverso la relazione, ma non ha lo scopo di sostituire i professionisti umani né può risolvere da solo tutti i problemi della salute mentale. I robot sono strumenti clinici e assistenziali , e possono essere molto utili in varie condizioni. Alcuni studi dimostrano che le persone preferiscono interagire con robot reali piuttosto che virtuali, perché un robot reale ha una presenza fisica che lo rende più credibile e coinvolgente. La sua presenza fisica fa sentire l’utente più “connesso”. I robot possono anche aiutare a contrastare la sedentarietà dei bambini causata dall’uso di computer e tablet, perché li spingono a muoversi durante il gioco. In questo modo, il robot diventa un compagno di gioco , che motiva e aiuta ad apprendere nuove attività. Inoltre, la tecnologia assistiva può offrire ai bambini con disabilità strumenti utili per affrontare le difficoltà della vita quotidiana. Secondo Prazak, Hochgatterer, Kronreif e Furst, un robot giocattolo può stimolare i bambini disabili a giocare e imparare. È molto importante sottolineare che un robot può anche facilitare le interazioni tra le persone , cioè favorire il rapporto umano , non solo quello uomo-robot. Tuttavia, molte ricerche sulle piattaforme SAR si concentrano solo sull’interazione tra uomo e robot , ma è fondamentale capire anche come utilizzare questi sistemi per aiutare le persone a relazionarsi tra loro , cioè per favorire l’interazione sociale significativa e l’impegno verso gli altri. Uno degli obiettivi principali è quindi capire i benefici dell’interazione con i SAR anche dopo che il robot non è più fisicamente presente. La ricerca nel campo SAR si è già occupata di problemi di salute mentale , come la demenza , la depressione , i disturbi dello spettro autistico , e ha coinvolto gruppi diversi come bambini e anziani.
In questo studio, sono state messe a confronto due situazioni: una con il robot Probo, l’altra con un terapeuta umano. I bambini hanno reagito positivamente in entrambi i casi , ma è emerso che, in alcuni comportamenti legati alle “storie sociali”, i risultati miglioravano di più dopo l’intervento del robot. Altre ricerche sull’uso dei SAR nella salute mentale e, in particolare, nell’ ASD , si sono focalizzate sull’utilizzo del robot come partner di gioco o strumento pratico di supporto per i bambini, per facilitare l’apprendimento di abilità clinicamente importanti. Nella maggior parte di questi studi, i robot collaborano con gli psicologi , aiutando ad aumentare il coinvolgimento emotivo , promuovendo l’ interazione sociale e favorendo l’apprendimento durante l’interazione. I bambini reagiscono positivamente ai robot , vedendoli come un’aggiunta coinvolgente al trattamento. I SAR sono spesso progettati per essere divertenti e coinvolgenti , con attività che somigliano a giochi. Vengono quindi usati come giocattoli terapeutici o compagni di gioco con funzioni riabilitative. Un esempio è il progetto Aurora , che ha studiato l’interazione tra robot e bambini autistici. Secondo questo progetto, la piattaforma robotica cerca di colmare il divario tra un ambiente stabile, semplice e prevedibile (come quello di un giocattolo), e il mondo più caotico e complesso dell’interazione umana. In una serie di studi, bambini con disturbi dello sviluppo, incluso ASD , sono stati osservati mentre interagivano con Keepon , un piccolo robot interattivo molto semplice: ha la forma di due palle da tennis impilate , con una “testa” dotata solo di due occhi , senza altri tratti del viso. È alto circa 10 centimetri. Nonostante la sua semplicità, Keepon è in grado di orientare il viso verso oggetti diversi e esprimere emozioni. Dopo alcuni mesi di interazione con Keepon, i bambini di una scuola primaria mostravano più attività sociale. Per esempio, un bambino con autismo è stato osservato mentre, dopo un movimento del robot, sorrideva e guardava il genitore e il terapeuta, condividendo un sorriso sociale. Il robot, infatti, aveva imitato il comportamento del bambino , facilitando così la condivisione emotiva. Questi piccoli gesti, per i bambini con autismo, sono molto impegnativi. Per questo motivo, robot semplici come Keepon hanno un grande potenziale e richiedono ulteriore ricerca. Scassellati , uno studioso importante, ha esplorato come i robot sociali possano essere utili nella diagnosi e trattamento dell’autismo. Secondo lui, i robot possono raccogliere dati quantitativi da utilizzare per: fare diagnosi, monitorare i progressi, confrontare i diversi pazienti. Le ricerche di Scassellati mostrano che i robot riescono a motivare e coinvolgere anche i bambini che solitamente evitano l’interazione sociale con i terapeuti. In uno studio, i bambini con ASD hanno partecipato a tre attività, seduti a un tavolo insieme a un adulto:
- una condizione socio-robotica , dove il bambino svolgeva il compito con il robot;
- una condizione socio-umana , dove collaborava con l’adulto;
- un’attività computerizzata. L’interazione con il robot era pensata per stimolare comportamenti sociali , come la scelta del partner , l’espressione di emozioni e la comunicazione delle preferenze. In particolare, è stato usato Pleo , un robot mobile a forma di cucciolo di dinosauro , che emette vocalizzazioni e comportamenti sociali. I bambini comunicavano di più con il robot rispetto agli altri due casi. Inoltre, proprio durante l’attività col robot, interagivano più direttamente anche con gli adulti presenti , rispetto alle altre situazioni. In sintesi, i robot possono essere strumenti efficaci per stimolare il comportamento sociale. Sono utili per favorire l’interazione , rinforzare i comportamenti positivi , e ridurre l’isolamento. Alcuni studi mostrano che la terapia con robot può indurre i bambini a condividere pensieri ed emozioni. Il robot NAO , per esempio, è molto usato perché è facile da programmare e si adatta a molti contesti terapeutici , anche scolastici. È stato utile per stimolare comportamenti imitativi nei bambini con autismo e disabilità intellettiva medio-grave. I dati mostrano che i robot, proprio perché prevedibili , possono aiutare i bambini autistici a interagire meglio con le persone. Tuttavia, un problema riguarda l’espressività del volto del robot. I bambini con autismo
sembrano preferire volti molto semplici , simili a quelli “meccanici”. Al contrario, i bambini con disabilità intellettiva media o grave hanno bisogno di volti più complessi , capaci di mostrare espressioni visive di base , per sostenere l’immaginazione nei giochi simbolici. In uno studio si è osservato che i bambini con ASD imitavano meglio i movimenti del robot Kaspar , che compie solo movimenti parziali , rispetto al robot Iromec , dotato di piattaforma mobile. I bambini con autismo ad alto funzionamento riuscivano meglio a capire e imitare i movimenti parziali di Kaspar, mentre facevano più fatica con quelli totali di Iromec. Attualmente, il lavoro in questo campo è ancora limitato : gli studi sono spesso condotti su piccoli gruppi di bambini , in contesti specifici (come laboratori o strutture assistenziali) e senza controlli metodologici rigorosi. La rassegna di Diehl, Schmitt, Villano e Crowell conclude che molti risultati sono ancora esplorativi e con limiti metodologici , quindi non possiamo ancora trarre conclusioni certe a livello scientifico. Spesso l’attenzione è posta più sullo sviluppo tecnologico dei robot che sull’applicazione clinica vera e propria. Negli ultimi anni però la ricerca sta facendo progressi , sia a livello teorico che metodologico. Più recentemente, alcuni studiosi hanno proposto che i robot possano essere usati a fianco dei professionisti della salute mentale , offrendo loro strumenti in più per ampliare gli interventi clinici , in modo da aiutare meglio le persone con disabilità mentale. In questo senso, la robotica sociale assistiva rappresenta un’opportunità concreta per migliorare i servizi destinati a chi ha bisogno di cure. Cap.7: Migliorare la vita degli anziani mediante agenti artificiali
1. La vita dell'anziano e i suoi bisogni Negli ultimi decenni, la popolazione anziana è aumentata molto. Questo ha portato anche a un aumento di persone che soffrono di deterioramento cognitivo, con problemi più o meno gravi. Diversi studi hanno mostrato che il deficit cognitivo causato dalla demenza compromette seriamente la capacità di una persona di iniziare e svolgere da sola le attività quotidiane. Quando una persona non riesce più a gestire queste attività, diventa necessario un aiuto continuo da parte di altre persone. Anche gli anziani con deficit cognitivi che vivono in case di cura sono molto a rischio di ipostimolazione , perché non riescono da soli a iniziare o portare avanti le attività quotidiane. Gli studi hanno dimostrato che gli interventi di riabilitazione cognitiva possono avere effetti positivi sugli anziani. Tuttavia, servono ulteriori ricerche per capire bene quanto siano efficaci, perché questi interventi richiedono molte risorse e personale. Poiché il numero di persone da assistere cresce rapidamente, le cure cognitive disponibili sono già oggi insufficienti e stanno diminuendo. Per questo motivo è sempre più importante potenziare gli interventi di training cognitivo, anche utilizzando strumenti di vita artificiale , sia per aiutare gli anziani che hanno già un deterioramento, sia per prevenire il declino patologico in chi è ancora in una fase iniziale. 2. La robotica per gli anziani L'assistenza agli anziani con disabilità è oggi uno degli ambiti principali della ricerca sulla vita artificiale. Gli interventi vanno dall'uso di ambienti virtuali monitorati fino alla robotica assistiva sociale. La ricerca robotica ha come obiettivo principale quello di aumentare le conoscenze su come intervenire dal punto di vista cognitivo-sociale sugli anziani che soffrono di deterioramento mentale. Si cerca quindi di progettare robot umanoidi che siano in grado di dare assistenza cognitiva, interagire socialmente e muoversi in modo autonomo, aiutando le persone a svolgere le attività quotidiane. Questi robot, inoltre, propongono anche attività ricreative che stimolano sia la mente sia la socialità. I robot sono progettati per lavorare con disabilità causate dalla demenza , e il loro obiettivo è supportare la memoria di lavoro, l'attenzione, la consapevolezza e aiutare l'esecuzione di comportamenti utili. Tutto questo serve a ridurre la dipendenza dai caregiver.
Anche gli anziani sani possono trarre beneficio dall’uso dei robot nella vita quotidiana. Ad esempio, il progetto Robot-Era offre servizi robotici che aiutano gli anziani a casa o in ambienti comuni come i condomini, seguendo il concetto di ambient assisted living. Questi servizi sono progettati per funzionare "intelligentemente" in condizioni realistiche. Attualmente, la maggior parte degli studi sui robot interattivi e sugli anziani si è concentrata sulle prestazioni. Pochi studi, invece, hanno raccolto dati dettagliati sull’atteggiamento degli anziani verso i robot e sui comportamenti sociali che i robot possono stimolare. Matsusaka, Fujii, Okano e Hara hanno sviluppato un robot chiamato Taizo per aiutare gli istruttori a insegnare semplici esercizi per le braccia agli anziani. Tuttavia, essendo un robot non autonomo, Taizo non era in grado di fornire feedback in tempo reale durante l’esecuzione degli esercizi. Dagli studi è emerso che il feedback verbale dell’istruttore è importante per motivare gli anziani, ma anche il tipo di attività e il modo in cui viene proposta sono determinanti. Se l’attività è troppo semplice, provoca noia, mentre se è troppo difficile causa ansia o frustrazione. Gli studi hanno mostrato che il sistema SAR è capace di mantenere alta la motivazione all'esercizio fisico grazie al monitoraggio di dati oggettivi, come il tempo medio per completare i movimenti, i secondi impiegati per ogni esercizio e la percentuale di feedback dati dal robot. In generale, l’atteggiamento degli anziani verso i sistemi SAR è risultato molto incoraggiante. Tuttavia, per progettare robot di servizio destinati agli anziani, è fondamentale considerare attentamente i requisiti fisici, comunicativi e adattivi. Infatti, con l’avanzare dell’età cambiano la velocità di reazione, la forza, l'agilità, ma anche la capacità di comunicare e le abitudini quotidiane. Uno studio ha evidenziato che, in presenza di limitazioni visive e tattili, gli anziani incontrano maggiori difficoltà sia a casa che fuori. A casa, molte difficoltà sono state segnalate in cucina, mentre fuori casa i problemi principali si sono riscontrati durante la spesa al supermercato. Gli anziani che erano già abituati a usare le nuove tecnologie, come il computer, riuscivano a comprendere meglio le potenzialità dei robot come aiuto domestico o personale. Nonostante entrambi i gruppi di anziani avessero un atteggiamento positivo verso l’uso dei robot, sono emerse differenze legate al background culturale. In particolare, nello studio interculturale si è visto che gli anziani del Regno Unito avrebbero avuto più bisogno di assistenza robotica in casa, mentre quelli greci avrebbero tratto maggiore beneficio da un aiuto esterno, per esempio per le uscite, dato che incontravano difficoltà a farsi accompagnare da altre persone. Questo dimostra l'importanza di considerare la cultura quando si progetta l'usabilità dei robot. In un altro studio, i partecipanti hanno valutato positivamente l’esperienza di interazione con il robot, apprezzando l'opportunità di conoscere la tecnologia e di immaginare come essa potrà essere usata in futuro per l’assistenza. Tuttavia, nonostante l’alto livello di soddisfazione, nessuno dei partecipanti ha manifestato l’intenzione di utilizzare un robot nell’immediato, ritenendo di non averne ancora bisogno. La robotica, come il computer o il telefono cellulare, rappresenta per gli anziani una tecnologia nuova, con cui sono entrati in contatto solo in età avanzata. Per questo motivo, le loro reazioni sono molto diverse. Nello studio di Neven , un robot assistente trasmetteva immagini di dipendenza e solitudine, da cui gli anziani tendevano a prendere le distanze. Nonostante i limiti dello studio (un campione molto piccolo e un'interazione ridotta a un'ora settimanale per quattro settimane), è emerso quanto sia importante combattere i pregiudizi verso i robot di assistenza per favorirne l’accettazione. Infine, Blackman suggerisce che un robot pensato per l'assistenza dovrebbe essere destinato a un mercato più ampio, integrando diverse funzionalità. Propone un approccio di "sviluppo tecnologico incrementale" nello sviluppo e nella commercializzazione di nuovi prodotti tecnologici. Questo tipo di progettazione aiuterebbe a soddisfare i bisogni di una più ampia varietà di utenti e ridurrebbe la percezione, da parte degli anziani, di essere persone con esigenze "speciali".
Cap.8: il problema dell’accettabilità dell’artificiale
1. Accettare le tecnologie artificiali come parte della vita Gli psicologi dello sviluppo hanno studiato come i bambini vedono i robot, ma sono pochi gli studi che si sono occupati di capire quanto sia accettabile usarli nella pratica. Quando si parla di accettabilità dell'utente , si intende "la volontà dimostrabile di un gruppo di utenti di usare una tecnologia per i compiti per cui è stata progettata". I primi studi sull'accettabilità della tecnologia sono legati a Davis , che ha proposto il "modello di accettabilità della tecnologia" ( TAM ). Secondo questo modello, l'uso di un sistema dipende da due cose: quanto l'utente percepisce il sistema utile e quanto lo trova facile da usare. Questi due elementi influenzano poi la sua intenzione e l'uso effettivo del sistema. Successivamente, Davis e altri studiosi hanno elaborato un altro modello più completo, l' UTAUT ( Unified Theory of Acceptance and Use of Technology ), che include tutti i principali fattori che influenzano l'accettabilità. Anche se dal punto di vista scientifico questi modelli hanno avuto molto successo, nella realtà la maggior parte delle persone resta scettica o contraria all'uso dei robot, soprattutto in ambienti educativi e di cura. Questo atteggiamento negativo dipende dal fatto che i robot sono visti ancora come strumenti molto potenti ma anche pericolosi , adatti principalmente per missioni spaziali, attività militari o lavori industriali, dove non ci sono persone (o ci sono solo tecnici che li controllano). Questo tipo di percezione rappresenta una delle sfide più difficili per la robotica assistiva, che invece punta a portare vantaggi concreti nell'educazione e nella cura delle persone. Uno degli obiettivi principali della robotica oggi è migliorare l'aspetto esteriore e il comportamento dei robot per renderli più accettabili agli utenti. 2. I bambini e i robot Le ricerche sull'accettabilità dei robot sono state condotte soprattutto con persone anziane in ambienti di vita assistita, mentre sono pochi gli studi che hanno coinvolto bambini , educatori e professionisti della salute mentale. Valutare quanto i bambini piccoli accettino i robot è complicato, perché è difficile somministrare loro dei questionari. Per questo, i ricercatori cercano di capire l'accettabilità osservando come i bambini interagiscono con i robot. Uno studio importante, condotto da Woods , ha analizzato come i bambini percepiscono diversi tipi di robot nell’ambiente scolastico. In questo studio, 159 bambini hanno valutato 40 immagini di robot. Dai risultati è emerso che i bambini percepiscono il robot umanoide come aggressivo , mentre un robot che ha sì sembianze umane ma mantiene anche tratti evidenti di macchina è visto come amichevole. Questi risultati confermano quanto indicato dalla teoria Uncanny Valley. Secondo questa teoria, l'accettabilità emotiva di un robot cresce man mano che il robot diventa più simile a un essere umano, ma subisce un crollo improvviso quando la somiglianza diventa molto alta ma non perfetta: questo provoca nel bambino un senso di turbamento o di repulsione. In altre parole, più il robot sembra umano, più è accettato, fino a un certo punto ; se è quasi umano ma non del tutto, il bambino prova disagio. Solo un robot perfettamente identico a un essere umano riesce a ottenere un'accettabilità simile a quella di una persona reale. Per evitare questo problema dell'Uncanny Valley, i progettisti di robot hanno due strategie : o cercano di creare un robot perfettamente umano , oppure realizzano un robot che sia chiaramente non umano , ma con tratti antropomorfi piacevoli. Anche nei robot che non vogliono sembrare umani, alcuni tratti del volto ispirati agli esseri umani influenzano comunque il modo in cui sono percepiti. Alcuni studiosi hanno proposto che il disagio provato nell'Uncanny Valley non dipende solo dall'aspetto, ma anche dal movimento del robot: un aspetto quasi umano, combinato a movimenti non naturali, aumenta il senso di stranezza. Infatti, un essere umano sano ha movimenti armonici e naturali , mentre un robot può muoversi in modo rigido e innaturale. Di conseguenza, l'aspetto del robot deve trovare un equilibrio tra "umanità" e "robotness", per stimolare interazioni sociali positive e evitare che gli utenti si facciano idee sbagliate sulle reali capacità del robot. 3. L'accettabilità dell'artificiale: variabili e contesti Nel settore sanitario, uno dei vantaggi della tecnologia robotica è che si possono modificare l'aspetto fisico e le
Molti utenti temono che i robot possano diventare dei sostituti delle relazioni sociali con persone e animali. L’evoluzione tecnologica, che avanza continuamente, pone un problema sulla durata e sulla conclusione dei percorsi terapeutici iniziati con un robot. Infatti, la tecnologia può diventare obsoleta molto rapidamente, venendo sostituita da versioni più innovative e migliorate di robot. È importante che si affrontino subito queste difficoltà con gli utenti, per evitare problemi e delusioni quando le tecnologie cambiano. Gli utenti devono essere aiutati a sviluppare una visione realistica dei limiti della vita artificiale, per evitare di attribuire ai robot capacità che non possiedono davvero. È naturale che l'utente non abbia una conoscenza completa dei rischi di malfunzionamento, rottura o difficoltà di riparazione del robot. Inoltre, le persone tendono ad affezionarsi anche a semplici automi domestici, quindi i rischi emotivi con robot socialmente coinvolgenti, pensati per l’assistenza in ambito di salute mentale, non sono ancora del tutto chiari e richiedono ulteriori studi sperimentali e clinici.
