چت‌باتی برای پاسخ به سوالات جنسی زنان در هند

عذرا اسماعیل، استادیار انفورماتیک پزشکی در دانشکده پزشکی اموری، که در دهلی به دنیا آمده و در ابوظبی بزرگ شده است، شکاف‌های عمیق اجتماعی را در ایالت بیهار هند مشاهده کرده است. او در حال حاضر تلاش می‌کند تا با استفاده از فناوری‌های دیجیتال پیشرفته، مانند هوش مصنوعی، به جوامع محروم در حوزه سلامت کمک کند.

بخش عمده‌ای از فعالیت‌های عذرا اسماعیل بر بهبود دسترسی زنان به مراقبت‌های بهداشتی مادر و کودک تمرکز دارد. او با همکاری بنیاد «ماینا ماهیلا» که یک سازمان غیرانتفاعی هندی به رهبری دکتر سوهانی جالوتا است، چت‌باتی مبتنی بر هوش مصنوعی توسعه داده که اطلاعات مربوط به باروری و سلامت جنسی را ارائه می‌دهد. این ابزار موضوعاتی مانند مراقبت‌های دوران بارداری، دانش پایه‌ای درباره آناتومی تولید مثل و برنامه‌ریزی خانواده را پوشش می‌دهد. با این وجود، تطبیق یک مدل هوش مصنوعی که طبق داده‌های کشورهای توسعه‌یافته آموزش دیده است، با نیازهای یک جامعه کاملاً متفاوت از نظر فنی و فرهنگی، چالشی جدی محسوب می‌شود.

عذرا اسماعیل تأکید می‌کند که مسائل فرهنگی و مشکلات زبانی از مشکلات اصلی در طراحی این ابزار هستند. او بر این باور است که دسترسی به اطلاعات دقیق از خانه می‌تواند بر سلامت افراد تأثیرگذار باشد، با این وجود درک درست اطلاعات توسط کاربر نهایی، به تلاش زیادی نیاز دارد.

فرایند توسعه این مدل با تحقیقات میدانی گسترده برای شناسایی دغدغه‌های اصلی زنان در زمینه سلامت جنسی و باروری آغاز شد. اسماعیل و تیمش تلاش کردند بفهمند که این مسائل تا چه حد مختص یک جامعه خاص هستند و آیا می‌توان آن‌ها را به سایر جوامع تعمیم داد. آنها با کمک بهیاران محلی و گروه‌های متمرکز، سؤالات کاربران را پالایش کرده و سپس چت‌بات را با آزمایش روی ۳۰۰۰ زن مورد بررسی قرار دادند. در مرحله بعد، اصلاحات زبانی براساس بازخوردهای دریافتی انجام خواهد شد و آزمایش‌های گسترده‌تری برنامه‌ریزی شده است.

یافته‌های این تحقیق نشان داد که مهم‌ترین دغدغه‌های کاربران مربوط به بارداری، روش‌های پیشگیری، برنامه‌ریزی خانواده و سلامت دوران بارداری است. از آنجا که بسیاری از کاربران به زبان هندی صحبت می‌کنند اما سؤالات خود را به انگلیسی تایپ می‌کنند، این چت‌بات از زبانی ترکیبی به نام «هینگلیش» پشتیبانی می‌کند. هدف این است که کاربران بتوانند در قالبی آشنا و راحت با ابزار تعامل کنند.

این پژوهش اخیراً در کنفرانس معتبر CHI در زمینه تعامل انسان و رایانه پذیرفته شده است. عذرا اسماعیل، با توجه به پس‌زمینه چندفرهنگی خود، معتقد است که مدل‌های زبانی بزرگ باید برای استفاده در کشورهای در حال توسعه تطبیق داده شوند. او در عین حال، به روند توسعه مدل‌های زبانی بومی در هند خوش‌بین است و می‌گوید که کشورهای مختلف در حال تدوین راهبردهای هوش مصنوعی براساس نیازهای محلی خود هستند.

سیتنا