Sociale robots worden gelukkig niet getroffen door het coronavirus. Juist in deze tijd kunnen we hun potentiële meerwaarde verkennen. Datacollectie speelt bij dat verkennen een belangrijke rol. Maar welke data moet je verzamelen en hoe trek je daar de eerste voorzichtige conclusies uit? Hoe bouw je de eerste aannames op voor verdere toetsing in de praktijk? Zonder data zijn we als een blinde in ons eigen onderzoek. Data alleen zeggen op hun beurt echter ook niets. Datacollectie en -analyse over een langere periode zijn dan ook van cruciaal belang voor de ontwikkeling van robots.
Mens en robot moeten elkaar nog ontdekken en dat kost tijd. Robots zijn nog volop in ontwikkeling en daarom moeten er veel vlieguren gemaakt worden: mens en robot moeten zoveel mogelijk tijd met elkaar doorbrengen. Dit samenspel dient zorgvuldig en uitgebreid geobserveerd te worden. Zo wordt duidelijk wat mensen verwachten van robots. De robot moet inspelen op menselijke behoeften en die worden zichtbaar in een situatie met een zo natuurlijk mogelijk gedrag. Je zult dus zoveel mogelijk op afstand moeten observeren.
Context leren aanvoelen
De behoeften van de mens bevatten nog veel geheimen voor een robot. Hoe hoog mogen onze verwachtingen van robots op dit vlak zijn? Want een vergelijkbaar empathisch vermogen als de mens zullen ze hoogstwaarschijnlijk nooit ontwikkelen.
Als hij geen gewijzigde informatie binnenkrijgt, dan kent een robot alleen de status quo. Hij weet niet dat het COVID-19 virus rondwaart, dat mensen onzeker en verdrietig maakt. Een robot voelt niet aan wat het juiste moment is om over een bepaald onderwerp te beginnen of wanneer het juist beter is om even zijn mond te houden.
De juiste timing van de robot is een belangrijke competentie als we robots in het leven van mensen willen integreren. Robots dienen zich op hun manier ‘bewust’ te worden van de toon waarop gecommuniceerd wordt, ze moeten een vorm van ‘sensitiviteit’ ontwikkelen om situaties in te schatten. Ze moeten ‘weten’ welke informatie in welke dosering, op welk moment gegeven moeten worden. En hoe ze kunnen ‘reflecteren’ op wat daarin wel en niet goed is gegaan. Zodat de robot vervolgens weet op welke zaken hij moet doorvragen, nog terug dient te komen of waarover hij signalen moet doorgeven aan andere mensen.
Wrijving ondervinden
Als de robot dit alles te weten moet komen, dan is het van belang de mens zo goed mogelijk te leren kennen. Die kennismaking vang je niet af via een eenmalige intake. Je moet een robot voor langere tijd integreren in het leven van de mens die hij gaat ondersteunen. Dat betekent samen tijd doorbrengen, elkaar door en door leren kennen. Zowel de leuke als de minder leuke dingen. Het is daarbij dan aan te raden om mens en robot ook geregeld ‘wrijving’ te laten ondervinden. Zodat duidelijk wordt op welke momenten ze elkaar even niet zo goed kunnen vinden.
Probeer zoveel mogelijk trendanalyses te maken, waardoor je het gedrag van een mens met een robot in zijn leven goed kunt observeren. Door tijdens die vlieguren veel data te verzamelen, kun je de observatie goed ondersteunen. Maak inzichtelijk hoe het verloop van de observatie eruitziet. Zie je verschillen in de momenten waarop de mens de robot wel of niet aanzet? En als de robot aanstaat, wat is dan de score van goed afgeronde gesprekken? Hoe verlopen de gesprekken tussen robot en mens, welke routing zie je terug in hun gesprekken?
