Peneliti dari Tufts University mengembangkan NeuroBridge, sebuah alat kecerdasan buatan yang memakai model bahasa besar. Alat ini bertujuan membantu orang non-autis memahami preferensi komunikasi orang autis, bukan mengubah orang autis agar seperti non-autis.
Alat memberi pengalaman langsung lewat skenario percakapan dan menawarkan tiga pilihan respons yang berarti sama tetapi berbeda nada atau kejernihan. Contohnya, permintaan tidak langsung seperti "Kalau sempat, bisa kirim berkas itu?" mungkin dianggap tidak mendesak oleh orang autis.
NeuroBridge sudah diuji dan tim menerima umpan balik positif. Mereka berencana mengeksplorasi penggunaan alat ini untuk mendukung mahasiswa neurodiverse di kampus, bekerja dengan layanan kampus seperti StAAR Center.
Kata-kata sulit
- peneliti — orang yang melakukan penelitian untuk menemukan fakta
- mengembangkan — membuat sesuatu menjadi lebih baik atau besar
- kecerdasan buatan — teknologi komputer yang meniru pikiran manusia
- preferensi — pilihan atau kesukaan seseorang dalam berinteraksipreferensi komunikasi
- skenario — rangka atau contoh kejadian dalam percakapanskenario percakapan
- umpan balik — informasi tentang reaksi atau tanggapan orang lainumpan balik positif
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Pernahkah kamu salah paham dengan permintaan tidak langsung? Ceritakan singkat.
- Bagaimana menurutmu alat seperti NeuroBridge bisa membantu mahasiswa di kampus?
- Apakah kamu mau melihat tiga pilihan respons sebelum membalas pesan? Mengapa atau mengapa tidak?
Artikel terkait
AI melawan pemasaran tembakau yang menargetkan anak muda
Di konferensi tentang pengendalian tembakau para ahli mengatakan AI bisa membantu menghentikan perusahaan tembakau yang menargetkan anak muda secara daring. Media sosial dan produk baru dianggap menarik generasi muda, dan negara miskin menanggung beban terbesar.
Kecerdasan Buatan dan Ketimpangan Bahasa Online
Sebuah kajian menemukan banyak model bahasa besar berkinerja lebih baik dalam bahasa Inggris. Akibatnya, penutur bahasa lain sering mendapat keluaran yang kurang akurat atau tidak sesuai. Para ahli mendorong kerja sama dengan komunitas lokal dan validasi data multibahasa.
