"What Are You Really Trying to Do?": Co-Creating Life Goals from Everyday Computer Use
Dieses Paper führt „striving co-creation“ ein, ein auf der Aktivitätstheorie basierendes System, das die langfristigen Lebensziele der Nutzer durch deren alltägliche Computernutzung über eine interaktive Editier-Schnittstelle inferiert und kollaborativ verfeinert und damit die Einschränkungen bestehender Systeme überwindet, die lediglich oberflächliche Handlungen erfassen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich einen Computer vor, der nicht nur beobachtet, was Sie klicken oder tippen, sondern versteht, warum Sie es tun. Jahrzehntelang war der Traum der Mensch-Computer-Interaktion, Systeme zu bauen, die das tiefere Ziel hinter unseren täglichen Handlungen erfassen. Wir haben lange Zeit akzeptiert, dass eine Maschine uns sagen kann, dass wir gerade eine Tabellenkalkulation betrachten oder eine E-Mail lesen, aber sie hat Schwierigkeiten gehabt, zu erkennen, dass diese fragmentierten Momente tatsächlich Teil einer größeren, langfristigen Bemühung sind, wie etwa der Planung eines Umzugs in eine neue Stadt oder dem Aufbau eines stabilen Lebens für eine wachsende Familie. Diese Lücke besteht, weil die aktuelle Technologie sich auf die unmittelbare Aufgabe konzentriert und nicht auf die zugrunde liegende Motivation. Sie sieht die Schritte, aber verpasst die Reise. Forscher der Stanford University haben nun einen bedeutenden Schritt zur Überbrückung dieser Kluft gemacht, indem sie ein System entwickelt haben, das Verhalten nicht nur aufzeichnet, sondern mit Menschen zusammenarbeitet, um die langfristigen Ziele zu erschließen, die ihr alltägliches Computerverhalten antreiben.
Das Team hinter dieser Arbeit, unter der Leitung von Shardul Sapkota und Kollegen, entwickelte ein System namens Tempo. Der Kern der Idee ist ein Prozess, den sie „striving co-creation“ (strebendes Co-Kreation) nennen. Anstatt dass ein Computer stillschweigend errät, was ein Nutzer möchte, oder ein Nutzer manuell eine Liste seiner Lebensziele eintippen muss, arbeiten das System und die Person gemeinsam daran, ein Bild dieser Ziele zu erstellen. Das System beginnt damit, Screenshots des Bildschirms des Nutzers während des Tages aufzunehmen und erfasst dabei alles – vom Surfen im Web bis zum Nachrichten schreiben an Freunde. Es verwendet dann fortschrittliche künstliche Intelligenz, um diese Rohbilder in einer Hierarchie zu organisieren. Ganz unten stehen einfache Operationen, wie ein einzelner Klick oder ein Scrollen. Diese gruppieren sich zu Aktionen, wie etwa die Suche nach einem bestimmten Thema. Aktionen kombinieren sich zu Aktivitäten, die wiederkehrende Verhaltensmuster sind. Schließlich werden diese Aktivitäten zu „Strivings“ (Bestrebungen) synthetisiert, den fortlaufenden, langfristigen Bestrebungen, die der täglichen Arbeit Bedeutung verleihen, wie etwa „Bewahrung der kulturellen Identität“ oder „Aufbau eines beruflichen Rufs“.
Die Forscher wussten jedoch, dass ein Computer, der auf einen Bildschirm blickt, nicht immer die ganze Geschichte kennen kann. Dieselbe Handlung, wie etwa die Recherche nach Schulen, könnte bedeuten, dass eine Familie für einen besseren Job umzieht, oder sie könnte bedeuten, dass sie vor einer schwierigen Situation flieht. Um dies zu lösen, enthält Tempo einen zweiten Teil, in dem der Nutzer die Vermutungen des Systems überprüfen und bearbeiten kann. Wenn der Computer glaubt, ein Nutzer baue gerade „soziales Kapital auf“, der Nutzer aber weiß, dass er eigentlich nur Verwaltungsarbeit erledigt, kann er das System korrigieren. Diese Korrektur ist nicht nur eine einmalige Behebung; sie wird zu einer Regel, die das System in Zukunft befolgen muss. Das System lernt aus diesen Bearbeitungen und verfeinert so im Laufe der Zeit sein Verständnis der Lebensziele der Person. Dies schafft einen Kreislauf, in dem die Maschine eine Interpretation vorschlägt, der Mensch sie verfeinert und die Maschine dieses neue Verständnis in ihre nächste Analyse einbezieht.
Um zu testen, ob dieser Ansatz tatsächlich funktioniert, setzten die Forscher Tempo bei vierzehn Freiwilligen über den Verlauf einer Woche ein. Die Teilnehmer installierten die Software auf ihren persönlichen Computern, die tausende von Screenshots aufzeichneten, während sie ihrem normalen Alltag nachgingen. Das System verarbeitete diese Daten, baute die Hierarchie von Aktionen und Zielen auf und lud die Teilnehmer dann ein, die Ergebnisse in einer Laborsitzung zu überprüfen. Die Ergebnisse waren ermutigend. Wenn das System die eigene Beschreibung des Lebens der Nutzer einbezog – wie etwa den aktuellen Job, Stressfaktoren und Prioritäten –, wurden die generierten Ziele als signifikant genauer und besser auf die tatsächlichen Prioritäten der Personen abgestimmt bewertet. Ohne diesen persönlichen Kontext konnte das System zwar identifizieren, was die Menschen taten, aber es verpasste oft das tiefere „Warum“.
Die Studie zeigte auch, dass die hierarchische Struktur essenziell war. Als die Forscher eine Version des Systems testeten, die die mittleren Schritte übersprang und versuchte, langfristige Ziele direkt aus den Screenshots zu erraten, waren die Ergebnisse weniger effektiv. Die Teilnehmer empfanden diese direkten Vermutungen als zu sehr an spezifische, flüchtige Aufgaben gebunden und fühlten, dass sie das breitere Ziel ihrer Bemühungen nicht erfassten. Die schrittweise Hierarchie ermöglichte es dem System, die Verbindung zwischen unzusammenhängenden Aktivitäten herzustellen und aufzuzeigen, dass eine Suche nach Gesundheitsüberwachungsdiensten und eine Nachricht an einen Elternteil über eine Familientradition beide Teil einer einzigen, größeren Bestrebung waren, sich um Angehörige zu kümmern.
Die vielleicht überraschendste Entdeckung war, wie der Prozess der Überprüfung dieser Ziele das eigene Denken der Teilnehmer veränderte. Selbst noch bevor sie irgendwelche Änderungen vornahmen, regte allein das Sehen der Interpretation des Systems über ihre Woche viele dazu an, über ihr eigenes Verhalten nachzudenken. Einige erkannten, dass sie Zeit mit Aufgaben verbrachten, die nicht mit ihren erklärten Werten übereinstimmten, während andere Muster in ihrer Arbeit entdeckten, die sie zuvor nicht bemerkt hatten. Ein Teilnehmer beschrieb die Erfahrung als fühle es sich an, als würde ein Therapeut sein Verhalten analysieren und Einsichten bieten, die er selbst nicht in Betracht gezogen hatte. Das System zeichnete nicht nur Daten auf; es fungierte als Spiegel und half den Menschen, die Verbindung zwischen ihren täglichen digitalen Gewohnheiten und ihren langfristigen Lebensaspirationen zu sehen.
Die Forscher wiesen vorsichtig darauf hin, dass dieses System nicht perfekt und kein fertiges Produkt ist. Die Studie dauerte nur eine Woche, was ausreicht, um wiederkehrende Muster zu sehen, aber nicht lang genug ist, um zu beweisen, dass diese abgeleiteten Ziele über Monate oder Jahre hinweg stabil bleiben. Es gab auch Momente, in denen das System selbstbewusste Vermutungen anstellte, die leicht daneben lagen, wie etwa die Annahme, ein Nutzer vollziehe gerade einen beruflichen Richtungswechsel, obwohl dies nicht der Fall war. Die Teilnehmer fanden, dass die Möglichkeit, die Hierarchie zu bearbeiten, entscheidend war; es gab ihnen die Kontrolle und ermöglichte es ihnen, die Missverständnisse des Systems zu korrigieren. Ohne die Fähigkeit einzugreifen, hätten sich die Vermutungen des Systems wie ein starres Etikett angefühlt statt wie eine hilfreiche Interpretation.
Letztendlich deutet diese Arbeit auf eine neue Art und Weise hin, wie Technologie mit uns interagieren kann. Anstatt als passives Werkzeug zu fungieren, das auf Befehle wartet, oder als intrusiver Beobachter, der versucht, unsere Gedanken zu erraten, wird der Computer zu einem Partner beim Verständnis unseres Lebens. Er schlägt eine Geschichte darüber vor, was wir zu erreichen versuchen, und wir haben die Macht, diese Geschichte umzuschreiben, bis sie wahrhaftig klingt. Die Forscher fanden heraus, dass, wenn Menschen und Maschinen auf diese Weise zusammenarbeiten, das Ergebnis eine Darstellung menschlicher Ziele ist, die weitaus genauer und bedeutungsvoller ist, als es entweder allein erreichen könnte. Dieser Ansatz betrachtet unsere Lebensziele nicht als feste Fakten, die extrahiert werden müssen, sondern als fortlaufende Narrative, die wir gemeinsam mit den Werkzeugen gestalten, die wir jeden Tag nutzen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.