Jakub Ferenc | Články | Siri, přines mi pivo z lednice: Fenomenologie mediatizace technologie

Zpět na články

Siri, přines mi pivo z lednice: Fenomenologie mediatizace technologie

  • jakubferenc
  • Napsáno
  • kategorie:

Byl jsem připraven v posteli. Ona poslušně ležela na vedlejší matraci a naslouchala, zda mě neuslyší vyslovit její jméno. Toho dne jsem potřeboval mnohé, ale vždy mi ochotně přispěchala s odpovědí nebo vyhověla různorodým potřebám. Má následující touha měla však rozhodnout o tom, jestli zůstane mou důvěrnou společnicí, nebo si začnu od konkurenčních podniků Google, Microsoftu nebo Amazonu hledat jinou. Jmenovala se Siri, je digitální asistentkou v chytrých zařízeních společnosti Apple a právě jsem jí ve vší serióznosti požádal, aby mi přinesla z lednice vychlazenou lahev piva.

Třebaže čtenář může úvodní odstavec číst jako úryvek z nevalného románu třetí kategorie nebo jako obraz jednoznačného zneužívání moci mezi mužem a (digitální) ženou, ve skutečnosti jsem to já, uživatel, který byl zneužit. Bez jméno souhlasu se mi technologie digitální asistentky dostala do hlavy, cosi v ní změnila a výsledkem tohoto procesu bylo, že jsem chtěl pronést poprvé v životě větu, kterou bych nikdy dříve neřekl se stejnou vážností a důvěrou v očekávaný výsledek jako nyní. Chtěl jsem po svém telefonu, respektive jeho softwarové části, digitální asistence Siri, aby mi přinesl z lednice něco k pití. Jak jsem se k tomu dopracoval?

Vše začalo, když se po mnoha letech opět stal chytrý telefon Apple součástí mého života. Kdysi dávno jsem si jako jeden z prvních lidí ve svém okolí pořídil iPhone 3G díky výhodné slevě T-Mobile, který za výhodnou cenu nabízel revoluční jablečný telefon k paušálu. Od té doby jsem prošel několika telefony a operačními systémy. Poslední roky jsem ale byl držitelem telefonu s operačním systémem od Microsoftu, doufaje, že tento technologický gigant se pochlapí a začne na své platformě vydávat zajímavé aplikace. Postupem času jsem se této naděje vzdal a vystačil si pouze s tím, že Microsoft bude systém udržovat životaschopný. Ale i toho jsem se nakonec nedočkal, protože Microsoft v červenci roku 2017 oficiálně ukončil podporu pro svůj mobilní operační systém Windows Phone[1]. Nový telefon od Apple jsem přijmul rychle; na rozdíl od Nokie s operačním systémem Windows Phone, kde nefungovalo s narůstající intenzitou skoro nic, na iPhone s jeho vyladěným iOS 12 funguje zatím vše. A jedním z nových lákadel, které jsem nemohl nevyzkoušet, byla digitální asistentka Siri, o které jsem slyšel pouze zprostředkovaně a nyní jsem měl možnost si vyzkoušet interakci s ní na vlastní kůži.

Začal jsem poměrně konvenčně. Chtěl jsem po Siri, aby mi zahrála oblíbené skladby z playlistu, zapnula budík na zítřejší ráno, aktivovala každodenní připomínku, abych si zkontroloval v osm hodin ráno všechny emaily apod. Interakce nebyla bez problémů, ale vždycky se mi Siri snažila maximálně vyhovět. Pokud si nebyla jistá obsahem mé žádosti, zeptala se slušně, abych jí ještě jednou zopakoval, co po ní přesně chci. Protože nový iPhone pro mě představoval skutečná technologický skok, mé nadšení pro objevování nových funkcí a možností si usnadnit rutinní úkony nepřestávalo ani další dny. Jeden večer jsem se chystal zalehnout do postele. Přemýšlel jsem nad tím, jakou knihu od historika Timothy Snydera bych si měl pořídit. Zapnul jsem na iPhonu prohlížeč Safari a začal googlovat informace o jednotlivých knihách. Rozhodl jsme se číst si v posteli, dokud neusnu. Zalehl jsem do postele, když vtom jsem si uvědomil, jak moc by se hodilo mít při tom čtení vedle sebe něco k pití. Protože má mysl byla v posledních dnech naučená využít možnost věrné Siri, kdykoli jsem potřeboval automatizovat větší nebo menší maličkosti ze života, i nyní jsem nezaváhal. V mysli jsem si vytvořil mentální obraz lednice v kuchyni a bez váhání jsem automaticky vyslovil nemyslitelné: „Hey Siri, bring me a beer from the fridge“.

Přibližně vteřinu mi trvalo, než jsem si uvědomil, že Siri nebude schopná mi přinést desítku Krahulíka od českého rodinného pivovaru Zichovec. Hned další vteřinu jsem ale začal být více a více fascinován momentem, který právě proběhl. Jak je možné, že jsem oslovil svůj telefon, aby pro mě udělal něco, co je objektivně nemožné, protože zatím Siri nemá nohy a ani online připojení do mé nechytré lednice?

První vysvětlení, které se nabízí je, že jsem jednoduše byl unavený a nedával jsem příliš pozor na to, co říkám. To ale nepovažuji za vysvětlení. Je na stejné úrovni sofistikovanosti argumentace, jako kdybychom řekli, že lidská rasa vytvořila technologii pouze proto, že byla unavená dělat rutinní úkony. Anebo takové vysvětlení může neúmyslně v sobě skrývat nějakou pravdu?

Přemýšlel jsem nad touto situací tak, že jsem během dnů strávených delegováním úkonů na Siri, svůj mozek naučil lenosti. Nedokážu říct, jak jsou přesně v mozku naše jednotlivé rutinní záležitosti organizovány a uloženy, ale je možné, že jsem s využitím Siri tyto existující neuronové sítě začal redesignovat? Není snad těžké si představit, že doposud jsem měl v mozku neuronové sítě, které řešily problém, jak si zapnout hudbu v telefonu, případně, co obnáší dojít si do lednice pro vytoužený objekt. Můj mozek si vytvářel vztah mezi požadovaným cílem toho, čeho chci dosáhnout (chlazené pivo) a psychofyzickou reakcí toho, jak toho cíle dosáhnu, tak, aby mé já považovalo cíl za splněný. Tento způsob učení – akce, reakce a vyhodnocení výsledku s následnou úpravou původního stavu mého já – je v současném světě strojového učení dobře známé jako zpětnovazební učení (reinforcement learning). To ve svém jádru obsahuje jednoduchou myšlenku: na začátku má (softwarový) konatel cíl; ten dokáže vykonat pomocí nějaké aktivity; po vykonání aktivity dochází k vyhodnocování toho, zda aktivita skutečně vedla k požadovanému cíli.

Obrázek 1 Model zpětnovazebního učení

Tento model je abstrakcí komplexity toho, jak reálně řešíme problémy. Zjednodušuje všechny kontextuální aspekty času a místa, na kterých se nacházíme, včetně sociokulturních vlivů sloužících jako regulátory cílů a aktivity, které přichází v daném kontextu v úvahu. Právě o tom, jak naše řešení problémů obsahuje ad-hoc improvizaci, píše antropoložka a teoretička HCI oboru Lucy Suchman (1987).

Bez použití Siri bych si za normálních okolností zapnul na příklad budíka na telefonu sám. Taková aktivita by se skládala z několika postupně na sebe navazujících kroků, které by vedly k tomu, že bych otevřel aplikaci Hodiny, v ní našel nastavení budíka, zadal požadovaný čas a svou volbu nakonec potvrdil. Mentální mapa, respektive mentální model aktivity vedoucí k zapnutí budíku v chytrém telefonu je nekomplikovaný. Ale to je spíše historickou náhodou než absolutní pravdou. Pokud by stejný cíl měla splnit osoba, která nikdy neviděla chytrý telefon, protože žije v jedné z posledních existujících domorodých komunit na této planetě, najednou by tento pro nás jednoduchý cíl byl pro domorodého člověka enormně složitý, ba dokonce nemožný. Domorodý člověk totiž nikdy neměl ve své konceptualizaci světa místo pro takové cíle, protože v jeho světě nic podobného neexistuje. Technologie z tohoto pohledu se mi jeví jako médium, které nám rozšiřuje hypotetický mentální prostor možného, nad čím můžeme nebo nemusíme přemýšlet.

Na druhou stranu i pro nás se tato aktivita může jevit složitější, pokud se dostaneme do situace, kde chytrý telefon jen tak neleží na nočním stolku, ale má například vybitou baterii nebo má jiné závady, které nám ztěžují jeho používání. V takovém případě existuje několik variant, jak dosáhnu svého cíle. Dám telefon do nabíječky a počkám, až se nabije na nějakou přiměřenou hodnotu, nebo ihned po zastrčení do zásuvky se budu snažit o zapnutí telefonu, neboť potřebuji rychle do něj zadat nastavení budíku? Protože prostor potenciálních aktivity vedoucích k požadovanému cíli je několik, zdá se mi nevyhnutelné, že v naší mysli existují vědomé, ale i nevědomé selektory, které vybírají, jaké aktivity jsou v daném kontextu nejvhodnější pro dosáhnutí stanoveného cíle.

Jakým způsobem fungují selektory? Představme si, že každý náš cíl je ve vztahu s mentálním mechanismem, který pro nás vybírá vhodnou aktivitu zajišťující dosáhnutí cíle. Tento mentální mechanismus pojmenujme právě selektor. Samozřejmě, jednoho cíle lze dosáhnout mnoha různými aktivitami. Proto selektor musí obstarávat vyhodnocení toho, jak na základě minulé zkušenosti se daná aktivita osvědčila v plnění cíle. Ať už konkrétně vyhodnocení úspěšnosti plnění cílů probíhá jakkoli (bude v tom hrát roli systém odměň v mozku, tzv. „reward system“), selektor přiřadí aktivitě buďto plusové nebo mínusové body, které indikují vhodnost aktivity pro plnění daného cíle. Na Obrázku 2 vidíme takové znázornění vycházející z předchozího schématu

Obrázek 2 Upravený model zpětnovazebního učení s použitím selektoru

Bystřejší čtenáři si jistě kladou otázku, zdali není možné použít více než jeden selektor. Mou odpovědí je, že to možné je a že může existovat několik selektorů, které jsou samy vybrány a vyhodnocovány na hierarchicky vyšší úrovni meta-selektorů. Ale kdo nebo co vybírá z meta-selektorů? Tato hierarchie selektorů nemůže být nekonečná. Což je problém, na který narazili výzkumníci umělé inteligence (UI) v sedmdesátých a osmdesátých letech, když se v rámci staršího paradigmatu symbolické umělé inteligence snažili vyřešit problém vyhodnocení relevance následujících úkonů. Marvin Minsky zavedl do výzkumu UI teorii tzv. framů (rámců)[2], která problém relevance řeší tak, že systém umělé inteligence vyhodnocuje následující stavy na základě datových struktur – rámců, které v symbolické formě podobné jazyku reprezentují formalizované stereotypické situace z reálného života a obsahují programátory explicitně definované relevantní faktografické údaje a akce, které v kontextu rámce „dávají smysl“. Tak například v rámci pojmenovaném „kuchyň“ dává smysl vařit, umýt nádobí, mrkev, nůž a péct koláče, kdežto akce „jít na toaletu“ nebo objekt „Boeing 747“ už o něco méně.

Toto „symbolické“ pojetí umělé inteligence se ale ukázalo jako příliš zjednodušující. Přestože dokázalo řešit obstojně logicko-matematické úlohy jako hraní šachu, úkony jako pohyb a percepce objektů v reálném světě zůstaly příliš komplikované. Problém relevance, který teorie rámců měla řešit, navíc přetrvával. Jak upozornil filosof a fenomenolog Hubert Dreyfus, teorie rámců posouvá problém relevance o jeden stupínek výše. Systém umělé inteligence by sice mohl na příklad podle rámce „kuchyň“ určit přibližně relevanci, co před mechanickými očima systému umělé inteligence se jeví jako relevantní pro další kroky v řešení určitého problémů. Ale Dreyfus upozornil na to (Dreyfus, 1979; Dreyfus, 1992), že systém výběru příslušného rámce opět potřebuje nadřazený mechanismus, který vybere rámec, tedy je potřeba nějaký meta-rámec.

Abychom se vyhnuli nekonečnému regresu, Dreyfus navrhuje fenomenologií inspirované řešení: problém rámce, jak jej Deyfus nazval, představuje mnohem hlubší problém, než se může na první pohled zdát. Protože nepřichází v úvahu, že bychom mohli do systému umělé inteligence vtěsnat ve formálním jazyce deklarovaná všechna fakta, akce a rámce o světě předem, Dreyfus tvrdí, že je to naše žitá zkušenost, naše bytí ve světě, které v konečné instanci definuje, co pro nás ve světě v dané scéně má význam a relevanci a co ne. Dreyfus zde vychází z Heideggerova koncept Dasein tím, že přijímá tezi o bytí člověku jakožto historicky a sociokulturně ohraničeném. Je to kultura, společnost a jejich vývoj, které ovlivňují relevanci objektů a světa kolem nás. Pokud umělá inteligence se má někdo chovat jako člověk (a má vyřešit problém rámce), je třeba, aby měla stejné nebo aspoň podobné zkušenosti světa jako máme my lidé a aby svět sám v mnoha případech stal se svou „nejlepší možnou reprezentací“ (Brooks, 1991): bez toho, aniž bychom vše, co je kolem nás, museli zakódovávat do nějakého formalizovaného symbolického jazyka, využíváme svět jako svou reprezentaci a v mnoha případech si nevšímáme všech částí světa, ale pouze těch, které nám poskytují afordance. Slovem afordance myslím zde především vnímatelné funkce a možnosti k jednání, které nám prostředí kolem nás poskytuje svým vzhledem, formou, materiálem apod. Některé afordance jsou skoro univerzálně pochopitelné napříč kulturami, na příklad klika u dveří nabízí afordanci otevření dveří. Další afordance objektů, jinak také řečeno jejich funkce a významy, jsou ale do velké míry ovlivněné kulturou i kontextem, kde se právě nacházíme. Můj oblíbený příklad je PET lahev, která zjevně nabízí funkci kontejneru na tekutinu a význam plýtvání plastem, ale na druhou stranu může ve vhodném kontextu být ve stejnou chvíli i květináčem v ekologickém zahradničení se zcela opačným a pozitivním významem.

Dreyfusův argument, velmi ovlivněný Heideggerovým Dasein, říká, že k zamezení nekonečného regresu rámců a meta-rámců nám slouží sociokulturní vrstvy a fyzické svět sám, protože vytvářejí strukturální limitaci toho, co je pro nás osobně v dané situaci relevantní a smysluplné. To ale neznamená, že by tyto vlivy působily, s použitím předchozího diagramu, pouze na úrovni aktivit nebo selektorů. Rozhodně na těchto úrovních působí, ale sociokultura a prostředí definují i naše samotné cíle. Samozřejmě, že některé z našich nejzákladnější cilů jako přežít, najíst se, napít se jsou formovány doposud nezmiňovanou vrstvou biologickou, další cíle jako „koupit prsten na svatbu“ jsou více méně sociokulturní, a jestli prsten koupíme v Praze nebo v Ostravě, zde již vstupuje do hry „časoprostorová“ vrstva nejvíce usměrňující naše cíle a vhodné aktivity v kontextu „tady a teď“. Upravený předchozí diagram by po vyobrazení všech zmiňovaných vrstev mohl vypadat viz Obrázek 3.

Obrázek 3 Upravený model zpětnovazebního učení se znázorněním vrstev a jejích vzájemné interakce a spolukonstituce

Co nám současná podoba diagramu zobrazuje? Připomínám, že obsah uprostřed, od cíle přes selektor a aktivity, po výsledek, je abstrakcí mechanismu, který najdeme v nějaké formě implementovaný nejen ve zpětnovazebním učení v současném paradigmatu výzkumu umělé inteligence, ale také v biologickém substrátu našich mozků, které dávají vzniknou naší mysli a kognitivním dovednostem, mezi které patří také řešení problémů. Všimněme si, že jednotlivé vrstvy jsou sice na diagramu oddělené, ale ve skutečnosti existující ve vzájemné interakci a spolukonstituci, což z nich činí mnohem provázanější vrstvy naší reality.

Ve které vrstvě se ale nachází technologie a kde najdeme vysvětlení, které by osvětlilo, proč jsem zničehonic chtěl po Siri udělat něco, co jsem ihned vyhodnotil jako nesmyslné?

Technologie nezapadá na první pohled ani do biologické ani časoprostorové vrstvy. Z tohoto důvodu dává smysl technologii přiřadit k vrstvě sociokulturní. To se zdá jako relativně správné místo, kde bychom měli technologii hledat. Ovšem vzhledem k tomu, jakou významovou bagáž si tento pojem nese, bude lepší udělat nejdříve krok stranou a definovat technologii jako něco, co je úzce svázáno se sociokulturou, ale přesto přináší něco svého a nového, co není možné jen tak integrovat do existujícího pojetí sociálního a kulturního.

Sociálno, jak je studováno sociologií, se zajímá především o lidské aktéry a jejich vzájemné vztahy, které mohou nebo nemusí dávat vzniknout vyšším celkům v podobě rodiny, etnických skupin, národů apod. Kulturním chápu především myšlenky a objekty, které zapadají do jedné z mnoha kategorií uměleckých žánrů.

Technologií pak chápu jako člověkem vytvořené objekty, postupy a procesy, které na začátku svého života vznikají především jako nástroje k řešení konkrétních problémů. Protože ale technologie neexistuje ve vakuu, nýbrž je nedílnou součástí našeho sociálního a kulturního světa, zcela souhlasím s tím, že technologie si nese s sebou i další vrstvu, která je ovlivněná sociokulturou. Ale vlivy sociokultury mají limity. Tak na příklad můžeme si přát, abychom měli v našich chytrých mobilních zařízeních rychlejší internet, a to kdekoli se pohybujeme, fyzikální zákony šíření vln elektromagnetického spektra definují pevně dané limity nezávislé na sociokulturním kontextu. Stručně řečeno, můžeme si vášnivě přát, aby připojení k internetu bylo mnohem rychlejší, ale v konečné fázi vždycky narazíme na limity rychlosti světla, které definují horní hranici rychlosti šíření informací v našem vesmíru.

Technologie tak není amorfní hmota, kterou dokážeme podle naší vůle uhnít do požadované formy, ale má moc se nám vzepřít díky své objektivní materialitě, které nezmizí, ani když změníme náš jazyk popisu, kterým o daném materiálním objektu mluvíme. Na druhou stranu funkce a významy technologie nejsou čistě součástí technologie samotné, ale jsou vytvářeny jako výsledek interakce člověka s technologií v určitých časoprostorových kontextech. Protože technologie ovlivňuje sociokulturu, stejně jako sociokultura ovlivňuje technologii, zdá se, že jejich vzájemný vztah nemá smysl vyobrazovat jako hierarchický, kde jedna strana má větší moc než ta druhá. I proto se mi jeví dnes stál populární deterministické pohledy na technologii a sociokulturu – mezi které patří technologický determinismus a radikální sociální konstruktivismus – jako pohledy, které vždycky vidí jen jednu stranu mince a odmítají se podívat na druhou stranu. Sympatičtější a snad i blíže k pravdě se nabízí přístup k tomuto vztahu, který se podobá vztah, v němž se nachází ostatní vrstvy: vztah úzce propojený a interaktivní. K tomu všemu musíme přihlédnout k Heideggerově příspěvku k přemýšlení nad technologií, neboť v jeho známé eseji Otázka techniky upozorňuje, že technologie není pouze výsledek aplikace vědních poznatků, nýbrž technologické artefakty vždycky byly nedílnou součástí vědeckého pokroku: astronomie by se neobešla bez teleskopu, který zdokonalil Galileo Galilei, podobně výpočet simulace fluidní mechaniky by se neobešel bez hrubé síly nejvýkonnějších superpočítačů dneška. Budeme-li považovat vědu za součást kultury společnosti, pak by diagram vztahu k technologii vypadal viz Obrázek 4.

Obrázek 4 Zoom na vyobrazení vztahu sociokultury a technologie

V mém diagramu se technologie stává nedílnou součástí tohoto světa a podobně jako sociokultura formuje naše myšlení. To se může na první pohled zdát podivné tvrzení, ale jen do té chvíle, než opustíme dlouho vydržovaný pohled na technologii jakožto pasivní kusy hmoty, která sama od sebe nic nedělá a čeká, než jí nějaký člověk (subjekt) nezačne používat a neudělá z ní věc k použití (objekt). Místo toho bychom totiž měli chápat každé uvedení nové technologie tak, že zatřásá technologickým pozadím, na jehož základě jednáme ve světě, protože s sebou přináší nové technologicky mediované afordance, které mění naše psychické i kulturní možnosti.

Pohled na technologie jako médium totiž není nic nového. Ostatně jeden z nejznámějších mediálních teoretiků, Kanaďan Marshall McLuhan (McLuhan, 1991), francouzský sociolog Bruno Latour (Latour, 1994) nebo v současné době filosofové technologie (Ihde, 1990) a Peter-Paul Verbeek (Verbeek, 2016) či mediální teoretik Mark Deuze (Deuze, 2015) považují informační a komunikační technologie za synonymní s médii.

Tento krok není čistě rétorický, ale má dalekosáhlý dosah, neboť v podstatě definuje novou metafyziku vztahu člověka a technologie. Po McLuhanovi, Latourovi, Ihdem a Verbeekovi totiž víme, že technologie jako médium není neutrální a ovlivňuje naše jednání i vztah ke světu. To znamená, že na našem diagramu se musíme na cíle a aktivity nikoli jako na předem dané, kde technologie vykonává pasivně naši vůli, nýbrž jako na pomyslný prostor potencialit, do kterých technologie nám vkládá svým vlivem nové potenciální cíle a nové aktivity pro vykonání těchto cílů.

Latourův oblíbeným příkladem technologické mediace je střelná zbraň. Tvrdí, že zbraň sama o sobě nezabíjí, stejně jako, že nezabíjí pouze člověk. Odkazuje na známé slogany používané v USA pro dlouhotrvající vášnivou diskuzi nad regulací střelných zbraní. Liberálové rádi používají slogan „zbraně zabíjí“, kdežto pravicově a republikánsky orientovaná Národní střelecká asociace (NRA) zas poněkud paradoxně používá sociologickou analýzu, když tvrdí, že jsou to „lidé, kteří zabíjí“, nikoli zbraně. Latour tvrdí, že správný není ani jeden pohled, neboť oba odmítají přiznat, že by argumentace druhé strany mohla obsahovat aspoň část pravdy. Latour tvrdí, že bychom člověka se zbraní měli analyzovat tak, že se jedná o novou entitu člověk-zbraň, která obsahuje nové atributy a potenciál k novým aktivitám, které nenajdeme, pokud budeme člověka nebo zbraň analyzovat zvlášť. Moc zabít a zodpovědnost za zabití je tak distribuovaná mezi člověkem a zbraní.

Můj oblíbený příklad je skicář a tužka, se kterými pracuje umělecky nadaný člověk. Když člověk skicuje, výsledná kresba je málokdy podobná tomu, co si člověk představoval na začátku tvorby. Kresba tak není uložena kompletně v hlavě umělce a on pak pracujeme minuty či hodiny na tom, aby bod po bodu přetvořil již vytvořenou kresbu na papír. Místo toho, jak uvádí Andy Clark (Clark, 1997), lze chápat skicování jako kontinuální interakci člověka, tužky a skicáře, kdy výsledná kresba vzniká tím, že člověk má neustálou zpětnou vazbu na stav kresby, kterou mu poskytuje skicář. Bez této zpětné vazby by umělec kresbu nenakreslil. Můžeme to chápat tak, že skicář je prodlouženou a externalizovanou pracovní pamětí, ze které čerpá informace k následným krokům. Protože skicář hraje tak zásadní roli pro dokončení kresby, měli bychom hovořit o tom, že autorství výsledné kresby je distribuováno mezi umělcem a jeho technologií (skicářem i tužkou). Slovníkem kybernetiky, výsledná kresba je emergentním výstupem interakce komponent nově vzniklého systému člověk-skicář-tužka.

Jak je to s tou Siri?

Když jsem začal používat ve svém životě iPhone a digitální asistentku, můj život a dovednosti, jak řešit každodenní problémy, byly obohacené o nové možné cíle a aktivity, které mohu dělat. V některých cílech Siri působí jako médium, jako v příkladě zesílení hudby, což bych mohl učinit i za pomoci mechanických tlačítek na boku telefonu. Některé cíle jsou díky Siri a obecně iPhonu nové, na příklad odpovídat na zprávy a komentáře v různých sociálních aplikacích. Čím více jsem Siri používal jako médium mezi mým existujícím cílem a výsledkem, tím více se Siri stávala přirozenější volbou pro řešení mých cílům. Na diagramu viz níže Obrázek 5 jsem přidal Siri jako dominantní aktivitu, která zprostředkovává více a více mých cílů. Nevědomky – a zde tkví ono zneužití z prvního odstavce tohoto textu – jsem tak trénoval svůj mozek, aby se postupně učil automatizovat Siri jako přirozenou součást mých kognitivních zdrojů pro řešení problémů ve světě.

Obrázek 5 Upravený diagram o předchozí změny a znázornění Siri jako dominantní activity, která zprostředkovává mé cíle

To by vše mělo doposud v kontextu tohoto textu dávat smysl. Můj mozek se adaptuje na nové prostředí, ve kterém existuje Siri jako aktivita-médium řešící mé problémy, jejichž úspěšné řešení stimuluje můj systém odměň v mozku, který aktivitě „Siri“ přiřazuje plusové body, čímž dochází k nasycení té vážené hodnot (na obrázku 3.7) do takové míry, že daný selektor nikdy nepřechází k jiné aktivitě než k Siri. Selektor pak z důvodu nasycení vážené hodnoty se stává de facto aktivitou jménem Siri. Můj mozek si tedy internalizuje Siri do takové míry, že ji nepovažuje za něco externího mé mysli či kognici a stává se její přirozenou součástí.

Mým spekulativním názorem je, že takto internalizovaný externí artefakt, který se z potenciální aktivity stal více či méně automatizovaným selektorem v mé mysli může způsobit, že můj mozek začne tento selektor-aktivitu jménem „Siri“ používat i na cíle, které dříve nebyly propojené ve vztahu s daným selektorem a aktivitami. Dochází tak k něčemu, co v psychologii bychom mohli nazvat „transferem“ dovedností mezi doménami.

Klasický transfer dovedností a znalostí ve vývojové a edukační psychologii bych nazval transferem „pozitivním“, neboť skutečně můžeme tu samou dovednost vysledovat v jiné doméně. Avšak o jaký typ dovednosti se jedná, zdali vůbec se jedná o nějakou, v mém případě, kdy jsem najednou po Siri chtěl, aby mi přinesla lahev piva z lednice?

Nazval bych to transferem „negativním“, protože transfer internalizované jedné dovednosti (řešit problémy pomocí Siri) zcela nefungují v jiné doméně. Ale podobně jako máme ve formální logice možnost dokázat řešení pozitivně, tak i důkaz sporem, vypůjčím si zde metaforiky důkaz sporem pro to, abych poukázal na to, že i když jsem si velmi rychle uvědomil, že Siri mi nemůže přinést pivo z lednice, má rozšířená mysl o nové možnosti, cíle a aktivity mi hned umožnila si představit, co by bylo nutné, aby mi Siri mohla přinést pivo z lednice. Můj nápad bylo pořídit si chytrou ledničku a chytrého robota, který se dokáže pohybovat a má v sobě integrovanou digitální asistentku. Mé konkrétní řešení ve výsledků nepředstavuje nic relevantního. Mnohem zajímavější je konečný výsledek mého autoetnografického rozboru navazování vztahu s novým telefonem a digitální asistentkou Siri: díky negativnímu transferu dovedností a znalostí jsem dokázal vzít existující technologii a s trochou fantazie si představit zcela nový způsob řešení pro mě tak palčivého problému s pivem. Negativní transfer mi otevřel nové světy, o kterých jsem doposud nevěděl, že je potřebuji, nebo dokonce, že existují.

 

Bibliografie

BROOKS, Rodney A., 1991. Intelligence without representation. Artificial Intelligence [online]. 47(1-3), 139-159 [cit. 2018-05-22]. DOI: 10.1016/0004-3702(91)90053-M. ISSN 00043702. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/000437029190053M

CLARK, Andy, 1997. Being there: putting brain, body, and world together again. Cambridge, Mass.: MIT Press. ISBN 9780262032407.

DEUZE, Mark, 2015. Media life: Život v médiích. První české vydání. Přeložil Petra IZDNÁ. Praha: Univerzita Karlova v Praze, nakladatelství Karolinum. Studia nových médií. ISBN 978-80-246-2815-8.

DREYFUS, Hubert, 1992. What computers still can’t do: a critique of artificial reason. Cambridge, Mass: MIT Press. ISBN 9780262540674.

DREYFUS, Hubert L., 1979. What computers can’t do: the limits of artificial intelligence. Rev. ed. New York: Harper Colophon Books. ISBN 9780060906139.

IHDE, Don, 1990. Technology and the lifeworld: from garden to earth. Bloomington: Indiana University Press. ISBN 0253205603.

LATOUR, Bruno, 1994. On Technical Mediation. In: Common Knowledge. Vol.3 n°2. s. 29-64.

MCLUHAN, Marshall, 1991. Jak rozumět médiím: extenze člověka. Vyd. 1. Praha: Odeon. Eseje (Odeon). ISBN 80-207-0296-2.

SUCHMAN, Lucille Alice., 1987. Plans and situated actions: the problem of human-machine communication. New York: Cambridge University Press. ISBN 0521337399.

VERBEEK, P.P., 2016. Toward a Theory of Technological Mediation: A Program for Postphenomenological Research. In: FRIIS, Berg O. a Robert C. CREASE. Technoscience and Postphenomenology: The Manhattan Papers. London: Lexington Books, s. 189-204. ISBN 978-0-7391-8961-0.

Poznámky

[1] https://www.theverge.com/2017/7/11/15952654/microsoft-windows-phone-end-of-support

[2] https://en.wikipedia.org/wiki/Frame_(artificial_intelligence)