Projetando Sistemas de IA para o Bem-Estar Humano

À medida que a inteligência artificial (IA) continua a crescer, é importante garantir que ela tenha um efeito positivo na sociedade. Isso é especialmente verdadeiro, já que os sistemas de IA estão se tornando uma grande parte das nossas vidas diárias. Criar "IA para o bem" traz muitos desafios, como alinhar esses sistemas com nossos complexos valores humanos. Neste momento, não temos métodos fortes para lidar com esses desafios. Este artigo apresenta e avalia um método chamado Método de Design de IA Positiva, que visa ajudar a resolver esse problema. Esse método oferece uma maneira centrada no ser humano de transformar nossos desejos de Bem-estar em ações reais.

#O Método de IA Positiva

O método de IA Positiva tem quatro etapas principais:

1. Contextualizar: Entender como o bem-estar se apresenta em diferentes cenários.
2. Operacionalizar: Transformar essas ideias em ações específicas.
3. Otimizar: Melhorar nossos designs para apoiar melhor o bem-estar.
4. Implementar: Colocar os designs em ação com medições contínuas para obter feedback.

Para mostrar como esse método funciona, apresentamos um estudo onde iniciantes em design aplicaram o método. Isso revelou os pontos fortes e fracos relacionados à sua eficácia e facilidade de uso. Uma avaliação por especialistas analisou a qualidade dos designs produzidos, que receberam notas boas por serem práticos e capazes de oferecer os benefícios esperados para o bem-estar.

De modo geral, esses estudos fornecem provas iniciais de que o método de IA Positiva pode melhorar o design de IA, destacando áreas que precisam de trabalho. Um foco em fornecer exemplos e diretrizes poderia ajudar a fortalecer essas áreas. Pesquisas futuras devem examinar como o método se comporta ao longo de um período mais longo com diferentes projetos. Essa abordagem centrada no ser humano parece promissora para criar sistemas de IA que não só evitem danos, mas que também contribuam ativamente para o bem-estar humano.

#O que Queremos Dizer com "Sistema de IA"

Neste artigo, definimos um "sistema de IA" como um tipo de sistema sociotécnico que interage por conta própria com seu entorno e aprende com essas interações. Essas interações são frequentemente guiadas por um processo que visa encontrar o melhor resultado de acordo com objetivos específicos. Por exemplo, as redes sociais podem levar tanto a resultados negativos, como a divisão política, quanto a resultados positivos, como dar voz a grupos marginalizados.

Os objetivos escolhidos nesses sistemas podem ter um grande impacto na sociedade. Hoje, muitos sistemas de IA são geridos por empresas que buscam lucro, o que pode levar a problemas. Assim, nosso foco está em entender como podemos incluir objetivos de bem-estar em sistemas de IA que muitas vezes são movidos por interesses corporativos. Esse conceito de "integração ativa" significa que os objetivos de bem-estar devem competir com os objetivos de negócios. Exemplos incluem plataformas populares como Netflix, Facebook e YouTube.

#Desafios em Projetar IA para o Bem-Estar

Criar sistemas de IA que promovam o bem-estar traz desafios adicionais. O bem-estar é complexo e varia entre indivíduos e culturas, tornando difícil defini-lo e medi-lo. Os sistemas de IA frequentemente visam objetivos estreitos e podem perder a visão mais ampla de promover o bem-estar geral.

Estudos recentes identificaram diferentes desafios no design de IA para o bem-estar, que podem ser agrupados em quatro categorias:

1. Entender o que é o Bem-Estar: Encontrar a maneira certa de pensar e medir o bem-estar em diferentes contextos é difícil devido à sua complexidade.
2. Medir o Bem-Estar: É complicado coletar dados significativos que reflitam o bem-estar porque ele pode mudar rapidamente e nem sempre é fácil de quantificar.
3. Otimizar para o Bem-Estar: Equilibrar interesses conflitantes, como desejos pessoais versus necessidades da comunidade, é um desafio ao melhorar sistemas de IA para o bem-estar.
4. Projetar Ações de IA: Não existem muitos métodos maduros que se concentrem em colocar o bem-estar no centro do design de IA, além de simplesmente evitar danos.

Esses desafios mostram que precisamos de métodos eficazes que possam traduzir ideias éticas amplas em ações práticas. O método de IA Positiva busca preencher essa lacuna.

#Um Método de Design para IA Positiva

O método de IA Positiva visa dar aos designers uma maneira estruturada de criar sistemas de IA que aumentem o bem-estar humano. Ele pretende lidar com desafios-chave em entender, medir e projetar para o bem-estar. O método é especialmente útil quando o bem-estar é um objetivo secundário que compete com um objetivo primário, focando em sistemas que envolvem interação do usuário por meio de plataformas digitais.

#Desenvolvimento do Método

O método de IA Positiva foi criado usando uma abordagem cibernética, que organiza os desafios de design em fases distintas. Cada fase aborda diferentes aspectos das tarefas em questão. No entanto, é importante reconhecer que essas fases estão interconectadas, já que sistemas centrados no ser humano são inerentemente complexos.

Esse método foi desenvolvido por meio de um processo colaborativo envolvendo designers, pesquisadores e estudantes. Um projeto inicial que focou no bem-estar durante a pandemia de COVID-19 ajudou a formar a primeira versão do método. Por meio de feedback e iterações, o método foi refinado e testado com alunos que projetaram sistemas de IA com foco no bem-estar.

#Fases do Método de IA Positiva

O método de IA Positiva consiste em cinco fases que guiam os designers na criação de sistemas de IA sensíveis ao bem-estar humano.

1. Entender o Bem-Estar no Contexto: Os designers precisam entender o que o bem-estar significa em seu cenário específico. O bem-estar se manifesta de maneira diferente em vários ambientes. Por exemplo, na educação, envolve propósito e pertencimento, enquanto na saúde pode envolver saúde física.

2. Operacionalizar o Bem-Estar: Essa etapa envolve transformar a ideia complexa de bem-estar em métricas específicas e mensuráveis. O objetivo é criar indicadores que ajudem a rastrear o bem-estar e guiar decisões de design.

3. Projetar Ações para o Bem-Estar: Com base nas percepções das duas primeiras fases, os designers podem desenvolver recursos e interações que afetem positivamente o bem-estar do usuário. Isso pode envolver melhorar a experiência do usuário ou ajustar algoritmos.

4. Implementar Interações Otimizadas: Uma vez que os designs são feitos, esta fase foca na execução deles. Os designers devem permanecer envolvidos no processo de implementação para garantir que os objetivos originais relacionados ao bem-estar sejam atendidos.

5. Alinhamento Contínuo: Esta fase final enfatiza a necessidade de engajamento contínuo com os usuários. Verificações regulares permitem que os designers adaptem seus sistemas conforme as necessidades da comunidade evoluem.

#Método Aplicado a Exemplos Fictícios

Para ilustrar como o método de IA Positiva funciona, podemos olhar para alguns exemplos, como uma plataforma de streaming, um app de namoro e um aplicativo de comida.

Para um serviço de streaming, os designers começariam identificando como seus recursos, como recomendações personalizadas, afetam o bem-estar do usuário. Ao conduzir pesquisas de usuários e analisar dados, os designers poderiam então fazer ajustes que incentivem a abertura a novos conteúdos, promovendo uma gama mais ampla de experiências.

No contexto de um app de namoro, o foco seria criar combinações significativas com base nas personalidades dos usuários, em vez de apenas nas aparências. Por meio de feedback dos usuários e testes, os designers poderiam ajustar recursos para melhorar a qualidade das conexões formadas.

Para um app de comida, a abordagem envolveria incentivar a alimentação consciente e interações sociais durante as refeições. Recursos poderiam incluir sugestões de receitas que considerem tanto o valor nutricional quanto o contexto social das refeições, permitindo que os usuários se conectem com outras pessoas por meio de refeições compartilhadas.

#Estudo de Múltiplos Casos

Três estudantes aplicaram o método de Design de IA Positiva como parte de seus projetos finais em uma universidade. Cada estudante escolheu um sistema de IA existente diferente para redesign com foco em promover o bem-estar. Eles não tinham experiência prévia em projetar sistemas de IA ou considerações de bem-estar.

1. Estudante 1 focou em apps de namoro e buscou expandir os critérios de combinação além da aparência, incluindo traços de personalidade e interesses dos usuários.

2. Estudante 2 trabalhou em apps de rastreamento de comida, buscando abordar fatores sociais e emocionais em torno da alimentação, em vez de apenas a ingestão nutricional.

3. Estudante 3 abordou plataformas de streaming de música, querendo usar IA para incentivar os usuários a explorar gêneros musicais diversos que promovam o crescimento pessoal.

Por meio de seus projetos, os estudantes avaliaram se o método de IA Positiva ajudou a guiar suas decisões de design e se acharam o método utilizável. Ao longo de três semanas, eles receberam suporte, orientação e recursos para garantir que aplicassem o método com sucesso.

#Resultados dos Estudos de Caso

A avaliação revelou tanto pontos fortes quanto fracos no Método de Design de IA Positiva quando usado por designers novatos. Alguns desafios incluíam sentir-se incertos sobre como usar efetivamente a literatura de bem-estar e ter dificuldade em transformar ideias amplas em ações específicas.

Apesar desses desafios, à medida que os estudantes progrediram, eles se tornaram mais habilidosos em integrar considerações de bem-estar em seus designs. Isso mostra a eficácia do método em incentivar os designers a priorizar o bem-estar.

Embora tenham surgido problemas de usabilidade, como definições de contexto pouco claras, a estrutura geral do método forneceu orientações valiosas. Os designers sugeriram melhorias, como cursos introdutórios sobre conceitos de bem-estar e instruções mais claras desde o início.

Resumindo, o método de IA Positiva se mostrou capaz de ajudar designers novatos a criar propostas significativas focadas no bem-estar, embora refinamentos na usabilidade possam melhorar a experiência.

#Estudo Baseado em Narrativas com Especialistas

Em outro estudo, especialistas avaliaram a qualidade do design de sistemas de IA destinados a promover o bem-estar. Eles leram narrativas descrevendo vários conceitos de IA e depois avaliaram sua viabilidade e impacto potencial.

Os especialistas classificaram os conceitos de forma positiva, indicando que eram realistas e plausíveis na realização dos benefícios de bem-estar pretendidos. O feedback dos especialistas destacou que as narrativas ajudam a imaginar como as tecnologias emergentes poderiam interagir com os usuários e atender às suas necessidades.

#Conclusão

Este artigo apresentou o método de design de IA Positiva, enfatizando seu papel no desenvolvimento de sistemas de IA destinados a aumentar o bem-estar humano. O método busca preencher a lacuna entre aspirações de alto nível e ações práticas por meio de uma abordagem estruturada. Embora estudos iniciais tenham destacado áreas para melhoria, o método oferece uma base sólida para futuras pesquisas e desenvolvimento.

Ao melhorar a usabilidade da abordagem de IA Positiva, podemos apoiar melhor os designers na criação de sistemas de IA que priorizem o florescimento humano. Avançando, é crucial validar o método em ambientes reais e explorar sua aplicação em vários domínios.