认知科学
情景记忆与编码特异性。问题被设计为引出具体的场景,而非笼统的概述——因为教训,正是寄居在场景之中。
- Tulving, 1972
- Tulving & Thomson, 1973
- Conway & Pleydell-Pearce, 2000
与其他AI项目有何不同
我们不是在为「正确答案」做优化。我们是在为「人会如何回答」做优化。
如今的前沿AI,大多在被索引的互联网上训练。它能通过律师资格考试。但当一个少年的初恋走到尽头时,它说不出他的祖母会怎么说。这道差距,不是模型规模的差距。是训练数据的差距。
Waterfall从长者那里直接取得他们同意分享的人生经验,经本人许可,以本人的声音。语料库是结构化的、可追溯归属的、可撤回的、不断生长的。我们不抓取,不购买。我们,被赠予。
我们不训练前沿模型。我们构建一个边车——任何宿主LLM都可以在每一轮对话中调用它,以获得「人会怎么说」的视角。它能与该领域其他工作并行使用。我们是在陪伴AI,而不是取代AI。
科学根基
采集方法论建立在三种研究传统之上。
行为科学
自我抽离、解释水平理论、忏悔式表述。压低防御性的语调,推高实质性的内容。
- Kross & Ayduk, 2017
- Trope & Liberman, 2010
神经科学
默认模式网络作为叙事性回忆的基底,具身认知作为道德直觉的基底。我们的方案两者并用。
- Buckner et al., 2008
- Spreng et al., 2009
- Damasio, 1994
- Greene et al., 2001
应用
凡是自动系统遇上真实人类的地方。
人形机器人
长者照护、酒店服务、零售。机器人提供智能;陪伴者赋予它没有伪饰的温度。
自动驾驶车辆
与乘客的交互。当乘客紧张时,以恰当的语调,给出一段沉稳的话。
长者照护陪伴
在「机器对人说话」恰恰是错配形态的场合。陪伴者提供那一缕属于人的余温。
NICU陪伴
医疗中最为脆弱的对话。温暖、复数化的引用归属,以及谨慎的拒绝,缺一不可。
客服降级处理
以长者的语调表达诚实的歉意。可被证伪的结果指标:升级比例的下降。
面向公众的AI
自助终端、交通、零售、政务服务。在那些对话需要带有「在地感」而非「全球感」的场合。
实证研究
对「温暖」主张的预先注册的被试间检验。
n=200,在年龄队列间均衡。陪伴者参与的回应 vs. 无陪伴者的基线。主要结果指标:Cuddy-Fiske-Glick量表的温暖维度。预先注册的假设:温暖至少提升0.8个标准差,且能力下降不超过0.3个标准差。无论结果如何,我们都将公开发表。
阅读完整研究设计加入项目
我们在寻找合作者。
研究复制、跨文化拓展、独立的语料审计、方法论批评。如果其中任何一部分让您动心,我们都想听到您的声音。底座会复利;有合作者,复利会更快。
邮件联系info@waterfallwisdom.com