Umetna inteligenca bo izdelovala tudi psihološke teste

Z razvojem računalništva in še posebej umetne inteligence so se odprle nove možnosti razvoja psiholoških testov, saj lahko na način, prijazen do uporabnika, v kratkem času zberemo veliko podatkov, jih analiziramo in neposredno uporabimo pri ustvarjanju novega testa, pravi Dušica Boben, direktorica ljubljanskega centra za psihodiagnostična sredstva in zadnje leto predsednica evropskega združenja založnikov psiholoških testov.



Center za psihodiagnostična sredstva, največja in najstarejša založba psiholoških testov pri nas, je pred nedavnim v Ljubljani organiziral 29. konferenco evropskega združenja založnikov psiholoških testov (ETPG). Na konferenci, ki so se je udeležili predstavniki vseh najvplivnejših založb iz večine evropskih držav, so razpravljali o prihodnosti svoje stroke, saj je cilj njihovega delovanja dvig kakovosti evropskih testov in testiranja.

Osrednja tema letošnje konference je bila načrtovanje prihodnosti: testiranje v času sprememb. Kot ste dejali, sta v zadnjih desetletjih psihološka teorija in tehnologija na tem področju izredno napredovali. V čem je napredek najbolj pomemben?

V razvoju psiholoških testov je pred približno 50 leti klasično teorijo testov zamenjala teorija odgovora na postavko, ki upošteva težavnost posameznih nalog, nadzira uspešnost na skrajnih krajih distribucije merjene lastnosti, ugibanje in podobno. Tak primer je računalniško prilagojeno testiranje, pri katerem se test prilagaja posamezniku in glede na njegove odgovore izbira naloge zanj primerne težavnosti, dokler rezultat ni dovolj zanesljiv. Napredek je velik tudi pri ustvarjanju novih statističnih metod in statističnih paketov, ki so finančno vse bolj dostopni.

Predvsem menim, da si moramo prizadevati za razvoj na tistih področjih našega življenja, kjer bo napredek prinesel nekaj dobrega za človeštvo in naravo oziroma za naš planet v celoti. Na kliničnem področju prav gotovo z umetno inteligenco lahko naredimo velik preskok v kakovosti življenja ljudi z različnimi boleznimi ali posebnimi potrebami, saj nam pomaga razumeti zapletene klinične probleme in natančneje postaviti diagnoze ter prognoze. Dr. Jure Žabkar iz laboratorija za umetno inteligenco na ljubljanski fakulteti za računalništvo in informatiko je denimo na konferenci predstavil projekt, v katerem razvijajo aplikacijo ParkinsonCheck, ki s preprostim preizkusom risanja spirale loči parkinsonov tremor od drugih oblik tresenja, ter projekt, katerega cilj je s posebnimi napravami za sledenje pogleda zanesljivo prepoznati disleksijo pri osnovnošolskih otrocih.

Na spletu je prosto dostopna cela vrsta psiholoških testov. Kako to vpliva na vaše delo? Ste zato prisiljeni ves čas spreminjati pripomočke in načine testiranja?

Dostopnost množice psiholoških testov na spletu je realnost, temu se ni mogoče izogniti. Vendar moramo vedeti, da je kakovost teh testov zelo raznolika. Psihološki testi, večinoma vprašalniki, so lahko zelo koristni, ko gre za osebno rast, in zaključki nimajo velikega vpliva na pomembne odločitve posameznika ali njegovih bližnjih. Visokokakovostni testi običajno niso prosto dostopni na spletu. Nedopustna pa je uporaba takih testov za selekcijo in razvoj posameznikov v psihologiji dela, v izobraževalnem sistemu, na primer pri prepoznavanju nadarjenih, v zdravstvu, kjer teste uporabljajo pri diagnostiki, ter v forenzični psihologiji. Opažamo, da je bolj kot dostopnost težava nekritičnost uporabnikov, kar nas spodbuja k informiranju ljudi, kako prepoznati dober test, ne da bi jih zavedla njegova lepa podoba ali poročilo. Velikokrat je kritičnost umestna tudi pri plačljivih spletnih testih ali tako imenovanih raziskovalnih testih.



Seveda poplava testov za nas pomeni konkurenco, vendar tudi spodbudo, da se še bolj posvečamo kakovosti testov. Izziv je, kot vedno, pridobiti denar, skrajšati čas razvoja in pritegniti k sodelovanju čim več strokovnjakov z različnih področij, predvsem psihologov, statistikov in informacijskih tehnologov. Razvoj dobrega testa zahteva čas za preizkušanje, standardiziranje, normiranje ter dokazovanje, da so rezultati nepristranski, objektivni, zanesljivi in veljavni. Nepristranskost je izredno pomembna značilnost dobrega testa, zlasti če testiramo osebe iz različnih kulturnih okolij.

Prisiljeni smo se prilagajati, vendar ne na račun kakovosti. Člane ETPG združujejo visoka merila pri kakovosti testov, kar je eden od pogojev za včlanitev, in to potrjuje tudi naše sodelovanje z mednarodnimi organizacijami, ki postavljajo svetovne smernice in standarde na tem področju.

Kakšen je vpliv velikih podatkov in umetne inteligence na razvoj testov in testiranja?

Vsi poznamo afero Cambridge Analytica, ko so ugotavljali različne osebnostne lastnosti, vrednote in preference na podlagi podatkov s facebooka. Vsakdo se je že kdaj začudil, kako je mogoče, da je dobil »pravo« reklamo ravno v trenutku, ko je razmišljal o nakupu. Umetna inteligenca veliko obeta, a tako kot pri vseh novostih in inovacijah je potrebnega še veliko preverjanja, dokazovanja veljavnosti in predvsem etičnega razmisleka.

Kakšne so posledice afere Cambridge Analytica za vašo stroko?

Po eni strani je afera spodbudila zanimanje za psihološko ocenjevanje, po drugi pa je povzročila napačno razumevanje psihometrije in novih tehnik dela z velikimi podatki, ki sicer ob odgovorni uporabi lahko prinesejo veliko dobrega. Vsekakor smo se vsi začeli bolj zavedati občutljivosti osebnih podatkov.

Kot je na konferenci prikazal klinični psiholog David Gosar z ljubljanske pediatrične klinike, omogočajo metode umetne inteligence na podlagi analize besedil, objavljenih na facebooku, twitterju in drugih družbenih omrežjih, predvidevanje, odkrivanje in s tem preprečevanje nekaterih duševnih motenj in bolezni, na primer depresije. Ali metode strojnega učenja omogočajo tudi sestavljanje novih, bolj ustreznih testnih postavk?

Da, z različnimi algoritmi lahko danes ustvarimo marsikaj. Če lahko strojno ustvarimo lažne novice, članke in podobno, lahko ustvarimo tudi nove testne postavke. Prej omenjeno adaptivno testiranje zahteva velik bazen postavk različnih težavnosti. Če jih lahko avtomatično izdelamo, nam to prihrani čas. Vendar vseeno ni tako preprosto, vsako novo postavko je treba tudi preizkusiti ter dokazati njeno občutljivost, veljavnost in nepristranskost.

Katera etična vprašanja se ob tem postavljajo? Kakšno je stališče vašega združenja do varovanja zasebnih podatkov?

David Gosar je na konferenci zelo dobro povzel etične dileme, ki nastajajo hkrati z razvojem umetne inteligence oziroma strojnega učenja in obdelovanja velikih podatkov. Prva je ta, da se velike količine podatkov, potrebne za take obdelave, redko zbirajo v klinični psihologiji in tam, kjer bi bilo to neposredno v prid človeka, temveč nastajajo zlasti v oglaševanju, prodaji in politiki. Drugi problem je, da postavljamo v ospredje napovedovanje rezultatov in pozabljamo na razumevanje algoritmov, ki lahko odločilno vplivajo na kakovost napovedi. In kot sem že omenila, ob napovedni moči biometričnih in drugih osebnih podatkov, ki se uporabljajo v algoritmih strojnega učenja, se porajajo tudi nova etična vprašanja o varovanju zasebnosti.

V našem združenju čutimo veliko odgovornost do zaščite podatkov, ki jih zbiramo. Morda se tega zavedamo bolj kot katerakoli druga panoga, saj so psihološke informacije, ki jih obdelujemo, osebne narave in za posameznika zelo pomembne. Menim, da člani ETPG to razumemo in da smo splošno uredbo o varstvu podatkov (GDPR) vzeli zelo resno.