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?
Goede interactiecontent
Deze analyses geven je feedback op je interactiecontent. Dit is een vaak onderschat aspect bij de inzet van sociale robots. Het is belangrijk dat de robot een breed, gevarieerd en betrouwbaar arsenaal aan gesprekscontent heeft: gesprekscontent die een relatie heeft met de doelstellingen die de mens samen met de robot wil bereiken. Duidelijk moet worden welke gespreksstof de robot nodig heeft om van betekenis te kunnen zijn, om in iemands behoefte te kunnen voorzien en een mens te helpen in het behalen van de doelstellingen in het leven.
Veel mensen die aan de slag gaan met sociale robots, richten zich in eerste instantie vooral op het observeren van de reacties van de mens op de robot. Of op de gewenste functionaliteit die mensen verwachten van een robot. Natuurlijk zijn deze zaken ook van belang. Maar je wilt meer dan alleen dat te weten komen: je wilt inzicht vergaren in de wijze waarop een robot van meerwaarde kan zijn in iemands leven, of dit nu gaat om gezelschap, het bieden van structuur, educatie of geven van therapie.
Het is vooral belangrijk om erachter te komen hoe een robot in een dergelijke behoefte kan voorzien. Die behoefte moet je observeren en ondervinden. Vervolgens kun je gaan kijken hoe je dat via de robot mogelijk kunt maken. Wat moet een robot daarvoor dan kunnen?
En als je zicht hebt op de behoeften van een mens en een eerste idee hebt geschetst van hoe de robot daarin deels kan voorzien, dan is er nog veel werk aan de winkel. Een belangrijk aspect daarin is de ontwikkeling van interactiecontent. Die kan variëren van video-instructies tot muziek, van sociale gespreksstof tot therapeutische programma’s. Om die te ontwikkelen, is veel observatie nodig. Dat betekent heel veel geduld, tijd, betrokkenheid, inlevingsvermogen, communicatie, registratie en analyse.
Analyseren en bijstellen
Om goede interactiecontent te ontwikkelen, is naast een groot aantal vlieguren ook monitoring nodig, direct in de leefsituatie waarin de mens en robot verblijven. Observeer op afstand en ga in gesprek met de cliënt, de betrokken zorgprofessionals en de familie. En bovenal, combineer die observaties met de verzamelde robotdata.
Probeer erachter te komen welke soort interactiecontent veel wordt ingezet, welke content succesvol blijkt en wat de datahistorie zegt over de samenstelling van interactieprogramma’s van de robot. Kijk ook op welke momenten de robot het meeste of minste van meerwaarde blijkt in het dagritme van een mens. Probeer dus inzicht te krijgen in de kwaliteit van je content.
Kijk daarvoor zowel naar de successen als de mismatches. Wat zijn de belangrijkste kritiekpunten van de mens op de interactie van de robot? Waar slaat de robot de plank mis en blijkt hij te onbeholpen? Welke eigenschappen, waar de mens behoefte aan heeft, mist de robot nog in de huidige fase van competentie-ontwikkeling?
Verzamel zoveel mogelijk data. Analyseer, interpreteer en combineer ze en toets je eerste bevindingen. Gebruik je nieuw verkregen inzichten om continu in de praktijk bij te stellen. Probeer dingen uit. Kijk voortdurend naar de vorm, toon, lengte, inhoud van de gespreksstof. Breng daar geregeld wijzigingen in aan en observeer in de praktijk wat de effecten van je aanpassingen zijn. En het belangrijkste: toets de ervaringen van de hierbij betrokken mensen. Data alleen zeggen niets. De combinatie van data, context en observatie maken je ziende en bieden je houvast.
Robot in coronatijd
Kunnen sociale robots van betekenis zijn in het leven van de mens? Jazeker, als we ze de tijd geven om de mens uitgebreid te mogen ontdekken, de ruimte krijgen om te leren van onze observaties en het vertrouwen mogen genieten in het prille verkennende samenspel met de mens.
Is een robot in deze coronacrisis dé uitweg voor onze problemen? Nee. Kunnen we in deze tijd wel een beter beeld krijgen van de menselijke behoefte versus de meerwaarde van robots? Jazeker! Blijf daarom onderzoeken, neem de tijd, interpreteer en toets in de praktijk. De contextuele situatie biedt je houvast en helpt je de observaties te plaatsen.
