تایپ کردن در نمایشگرهای لمسی کار بسیار سختی است، از آن‌جایی‌که ما قادر به احساس کردن کلیدها نیستیم، به وسیله حس بینایی انگشتانمان را به محل صحیح حرکت داده و خطاهایمان را بررسی می‌کنیم. ترکیبی از اعمال که انجام همزمان آن‌ها سخت است. محققان دانشگاه آلتو (Aalto) و مرکز هوش مصنوعی فنلاند (FCAI) برای درک صحیح این که افراد چگونه بر روی تاچ‌اسکرین‌ها تایپ می‌کنند، اولین مدل هوش مصنوعی را ساختند که نحوه حرکت چشمان و انگشتان افراد هنگام تایپ کردن را پیشبینی می‌کند.
مدل هوش مصنوعی می‌تواند نحوه تایپ یک انسان روی هر نوعی از صفحه‌کلید را شبیه‌سازی کند. این مدل بسیار شبیه به انسان‌ها اشتباه کرده، این اشتباهات را اکثر اوقات تشخیص داده و آنان را اصلاح می‌کند. این شبیه‌سازی همچنین نحوه سازگاری افراد با شرایط متفاوت، مانند استفاده از یک سیستم auto-correction (تصحیح خودکار) یا یک صفحه‌کلید جدید، را پیشبینی می‌کند.
دکتر جوسی جوکینن (Jussi Jokinen) که این پژوهش را رهبری می‌کند، میگوید: «قبلاً تایپ کردن به وسیله تاچ‌اسکرین، عمدتاً به وسیله چگونگی حرکت انگشتان درک میشد. روش‌های مبتنی بر هوش مصنوعی اطلاعات تازه‌ای از این حرکات آشکار کرده‌اند؛ کشف ما اهمیت تصمیم‌گیری “کِی و به کجا نگریستن” است. حالا می‌توانیم پیشبینیهای بسیار بهتری از اینکه افراد چگونه روی گوشی یا تبلت‌هایشان تایپ می‌کنند، ارائه دهیم.»
زمینه‌ای توسعه و شخصی‌سازی شده راه حل‌های ورود متن (text entry solutions) را فراهم کند. جوکینن توضیح داد: «حالا که یک شبیه‌سازی واقعی از نحوه تایپ انسان‌ها بر روی تاچ‌اسکرین داریم، بهینه‌سازی طرح‌های صفحه‌کلید برای تایپ بهتر، یعنی خطاهای کمتر، سرعت بیش‌تر و از همه مهم‌تر، خستگی کمتر است که تایپ کردن را بسیار راحت‌تر می‌کند.»
علاوه بر پیشبینی این که یک انسان عادی چگونه تایپ می‌کند، این مدل می‌تواند برای انواع مختلف کاربران، همچون افراد دارای اختلالات حرکتی، عمل کرده و برای توسعه کمک‌رسان‌ها یا رابط‌های تایپ با در نظر گرفتن این گروه‌ها، استفاده شود. این مدل می‌تواند برای افراد عادی که هیچ چالشی ندارند استفاده شود به عنوان مثال برای سبک‌های نگارش شخصی و در نظر گرفتن خطاهایی که به صورت مکرر در متون و ایمیل‌ها تکرار می‌شوند، نتیجه بگیرد که چه نوع صفحه‌کلید یا سیستم اصلاح خودکاری برای کاربر مناسب‌تر است.
این رویکرد، مبتنی بر تحقیقات تجربی پیشین همین گروه است که مبانی اولیه مدل شناختی از چگونگی تایپ توسط انسان‌ها را ارائه کرده بود. سپس محققان، مدلی مولد ساختند که می‌توانست به صورت مستقل تایپ کند. این کار به عنوان بخشی از پروژه‌های بزرگ‌تر بر روی هوش مصنوعی تعاملی در مرکز هوش مصنوعی فنلاند انجام شد.
زیربنای این نتایج بر یک روش یادگیری ماشین (machine learning) کلاسیک به نام یادگیری تقویت‌شده (reinforcement learning) که توسط محققان توسعه داده شده و برای شبیه‌سازی افراد استفاده گشته است. یادگیری تقویت شده معمولاً برای آموزش حل کردن وظایف با روش آزمون و خطا به ربات‌ها استفاده می‌شود. تیم تحقیقاتی روشی جدید برای استفاده از این روش به منظور ایجاد رفتاری که تطابق نزدیکی با خطاها، اصلاحات و دیگر رفتار انسان‌ها دارد، پیدا کردند.
جوکینن گفت: «ما همان توانایی ها و محدودیت‌هایی که خود ما انسان‌ها داریم را به مدل داده‌ایم. وقتی از آن خواستیم که به صورت مؤثر تایپ کند، خودش فهمید که چگونه به بهترین حالت از این توانایی‌ها استفاده کند. نتیجه نهایی بسیار شبیه به تایپ کردن انسان‌ها شد، بدون اینکه لازم باشد مدل را با داده‌های انسانی آموزش دهیم.»
مقایسه با تایپ انسان‌ها دقت پیشبینیهای مدل را تأیید کرد. تیم تحقیقاتی امیدوار است که در آینده تکنیک‌های تایپ کُند و سریع را شبیه‌سازی کرده تا به وسیله آن‌ها مدول‌های (modules) آموزشی برای افرادی که می‌خواهند توانایی تایپشان را بهبود بخشند را طراحی کند.
منبع:techxplore
