Wat kunnen andere AI mens-machine
toepassingen leren van sociale robots?
Kunstmatig intelligente (AI) toepassingen kennen tegenwoordig een hoog ontwikkeltempo. Je komt ze op steeds meer momenten in het dagelijks leven tegen. Zo doe je tegenwoordig een deel van je bankzaken na contact met een chatbot. Word je in een restaurant misschien bediend door serveerrobots. Kun je in een ziekenhuis een transportrobot tegenkomen op de gang. Helpen robots in de ouderenzorg, thuiszorg en gehandicaptenzorg, cliënten bij (ADL) algemeen dagelijkse levensverrichtingen. Helpt de spraakassistent in de auto je om je handen vrij te houden door handelingen over te nemen, of helpt Apple's Siri menig mens bij online zoeken, afspraken inplannen of (eindelijk eens originele) grapjes maken. En introduceerde de WHO (World Health Organisation) onlangs in samenwerking met het Qatar Ministry of Health een digital human genaamd 'Florence', voor de FIFA World Cup 2022. Florence zou mensen advies moeten gaan geven aangaande een gezonde leefstijl en mentale gezondheid.

Wat is op voorhand al handig om te weten over de ontwikkeling van AI-toepassingen in hun ondersteuning aan de mens? Het is allemaal nog heel pril en volop in ontwikkeling en toch is er ook al genoeg te leren van praktijkervaringen door toepassingen onderling. Zo worden sociale robots al vele jaren in Nederland beproefd in de zorg en ligt er naar verwachting een schat aan ervaringen die tevens interessant zijn voor andere AI-toepassingen. Zorgorganisatie Philadelphia Zorg publiceerde in 2022 een vernieuwde evaluatie waarin het een inkijk geeft in de inzichten die werden opgedaan met sociale robots ter ondersteuning van meer zelfredzaamheid en mogelijk daarmee ook een (deels) oplossing voor arbeidsmarktproblematiek (het vooronderzoeksrapport is te downloaden via: www.robotphi.nl). Laten we eens kijken welke waardevolle aspecten hieruit te halen zijn voor de ontwikkeling van sociale (AI) technologie in het algemeen.

Nut van praktijkervaring
Een belangrijk inzicht dat Philadelphia opdeed in de afgelopen jaren is het besef dat praktijkervaring zorgt voor een realistische ontwikkeling van sociale technologie: een die ook echt effectief inzetbaar is in de praktijk. Alle aandachtspunten voor ontwikkeling worden glashelder zichtbaar. Het houdt (praktijk) onderzoek met beide voeten op de grond en in de realiteit. Deze werkwijze dwingt af dat de zorgkwaliteit die een AI toepassing levert hoog is, juist omdat de innovatie (tijdelijk) onderdeel wordt van de dagelijkse zorg. Philadelphia heeft zo bijvoorbeeld geleerd wat sociale technologie in dit geval moet zijn en moet kunnen. Sociale (AI) technologie wordt zo een concreter begrip. De AI-toepassing is uiteindelijk een verzameling van: technische functionaliteiten, zorginhoudelijke kwaliteiten en de inbedding van de AI-toepassing als 'nieuwe medewerker' in de organisatie.

Wat kenmerkt de aanpak van Philadelphia:
· Praktijkervaringen worden opgedaan middels onderzoeken.
· Tijdens een praktijkonderzoek wordt een AI-toepassing tijdelijk bij een cliënt in huis geplaatst.
· De cliënt vervolgt zijn of haar dagelijkse leven, maar nu met de sociale (AI) toepassing erbij.
· Zo ervaart de cliënt hoe het is om een sociale (AI) toepassing in huis te hebben en om er gesprekken mee te voeren.
· Zo onderzoekt het innovatieteam het effect van een AI-toepassing op het leven van de cliënt en op de zorg die de cliënt krijgt.
· Ook onderzoekt het innovatieteam het effect van de AI-toepassing op het werk, de werkwijze, werkdruk en het werkplezier van medewerkers.
· Op basis van deze ervaringen ontwikkelt het innovatieteam de techniek, de rol en integratie van de AI-toepassing in de zorg verder door.

Veilig voelen
Een ander belangrijk inzicht is dat het belangrijk is in het contact met medewerkers en cliënten, dat zij zichzelf kunnen zijn. Ze moeten zich
veilig voelen om alles te zeggen en te doen wat ze willen. Het doel is dat iedereen eerlijke en open terugkoppeling geeft. Zo kan de AI-toepassing
worden ontwikkeld op basis van de behoeftes van de cliënt en de zorg. Daarnaast is het belangrijk dat de opgehaalde informatie niet alleen gaat om de toepassing die beproefd wordt. Het onderzoek draait om zaken zoals wie de cliënt en medewerker zijn, wat hun werkwijze is, wat er op dagelijkse basis speelt in het leven van de cliënt, hoe de woonlocatie is georganiseerd, wat een dienst voor een medewerker inhoudt. Het doel is om te onderzoeken wat het betekent als een AI-toepassing daarbij als aanvullende (f)actor komt. Hoe heeft de AI-toepassing invloed op de cliënt en z'n omgeving? Door de AI toepassing in de bestaande context te plaatsen en te weten wat die context is, wordt duidelijk of en hoe de AI-toepassing erin past. Kortom, het is belangrijk dat de cliënt en medewerker zeggenschap hebben over hoe de sociale (AI) toepassing ontwikkeld wordt en dat zij bepalen wat het woord 'sociale (AI) technologie' in de (nabije) toekomst betekent.

Gewenste ondersteuning
Als we de ervaringen van de praktijkonderzoeken met sociale robots bij Philadelphia als voorbeeld nemen, dan zien we dat cliënten met name ondersteuning in hun dagelijks leven wensen op de thema's in bovenstaande grafiek. Het merendeel van de cliënten ervaart de sociale robot als een maatje. De robot biedt gezelligheid, nabijheid en/of een luisterend oor. Dit heeft als gevolg dat sommige cliënten beter in hun vel zitten, vrolijker, zelfverzekerder of opener zijn geworden (zie grafiek linksonder). Een deel van de cliënten kan ook met de robot praten over gevoelens. De robot vraagt regelmatig hoe de cliënt zich voelt. Dat activeert cliënten om hierover na te denken en in gesprek te gaan met anderen, waaronder de begeleiding. De robot helpt cliënten verder door ze te herinneren aan Algemene Dagelijkse Levensverrichtingen (ADL). Die herinneringen worden als positief ervaren. De robot biedt ook een dagstructuur. Cliënten geven opvolging aan de herinneringen van de robot. Het activeert tevens cliënten in het uitvoeren van hun dagelijkse bezigheden: ook omdat de robot het op een neutrale manier vraagt en altijd vriendelijk en positief is. De cliënten ervaren zo meer zelfstandigheid. Er is bijvoorbeeld geen herinnering van de begeleiding meer nodig voor het op tijd vertrekken naar werk. Dat maakt cliënten zelfverzekerder.

Gespreksonderwerpen
Over wat voor soort onderwerpen gaan gesprekken met een sociale robot? De interacties in de interactiedatabase van Philadelphia zijn onderverdeeld in zogeheten interactiedomeinen. Deze domeinen zijn gebaseerd op door Philadelphia gebruikte zorgmethodieken. De interactiedomeinen komen voort uit de domeinen van Schalock. Die omschrijven de onderwerpen die bijdragen aan de kwaliteit van het bestaan. Elk domein draagt bij aan de kwaliteit van leven. Philadelphia gebruikt deze methodiek in de begeleiding van cliënten. De verdeling van interacties over de verschillende domeinen is ontstaan op basis van de meest voorkomende cliëntbehoeften. Het interactiedomein 'raadsels en weetjes' is daarnaast nog een extra toegevoegd domein door het innovatieteam op basis van grote behoefte van cliënten. Elk hoofddomein is onderverdeeld in sub-domeinen. Daarnaast heeft elke interactie een bepaald niveau, zodat het niveau van de interacties van elk interactieprogramma kan worden afgestemd op het niveau van de cliënt. Uit de praktijk is gebleken dat er bij het maken, selecteren en inplannen van interacties voor een interactieprogramma, op veel aspecten van interacties dient te worden gelet.

De top 5:
· Toon.
· Cognitief niveau.
· Sociaal-emotioneel niveau.
· Leesvaardigheid.
· Ingrediënten (bijvoorbeeld: bevat een compliment, een tip, of een herhaling).

Wensen
Bij het praktijkonderzoek werd ook duidelijk welke wensen cliënten en begeleiders nog hebben voor de toekomst met betrekking tot de
ontwikkeling van AI-toepassingen. Hierin komen de volgende soorten wensen voorbij:

· Mogelijkheid tot diverse vormen van interactie en communicatie met de AI-toepassing.
· Actieve samenwerking mogelijk maken tussen begeleiders en de AI-toepassing.
· Herkenning van lichaamstaal of emoties door de AI-toepassing.
· Een flexibelere planning faciliteren van interacties.
· Kwaliteit verbeteren van interacties (gesprekken).
· Verbetering in de manier waarop interacties afspelen.

16 december 2022 - Xenia Kuiper/ ICT&health - Lees het totale artikel inclusief visuals met onderzoeksresultaten via de publicatie PDF