551 Weergaven
2 Downloads
Log in
Denkend aan robots zien de meeste mensen apparaten voor zich die auto’s in elkaar zetten in grote, anonieme fabriekshallen. De robots uit Hollywoodfilms daarentegen zijn bijna-menselijke, gevoelige apparaten die emoties tonen en waarmee we relaties kunnen hebben. Is dit een realistisch beeld van de toekomst? De meningen van futurologen lopen uiteen, maar Roy de Kleijn en Bernhard Hommel geloven dat humanoïde robots een kleurrijke toekomst tegemoet gaan.

De geschiedenis van robots

De eerste robots werden in de jaren 50 gemaakt, toen de massaproductie van auto’s op gang kwam en ze nuttig waren als vervangers van menselijke arbeid. Lopendebandwerk waar nauwkeurigheid én kracht voor nodig waren, zoals het fabriceren van auto’s, bleek een uitstekende niche voor deze apparaten. Rond dezelfde tijd vond in de academische psychologie de cognitieve revolutie plaats, waaruit de cognitieve psychologie zoals we die nu kennen ontstond. In dit nieuwe werkveld van de cognitieve wetenschap, waar disciplines als psychologie, neurowetenschap en computerwetenschappen samenkomen, groeide de computeranalogie in populariteit. Misschien, dacht men, kunnen we de mens beschouwen als een enorm ingewikkelde computer, met invoer (zintuiglijke waarneming), verwerking (cognitieve processen), en uitvoer (gedrag).

Dit nieuwe inzicht bood niet alleen mogelijkheden voor psychologen, die met een frisse blik de mysteries van deze mentale processen wilden onderzoeken, maar opende ook de deur voor onderzoekers die intelligente systemen wilden bouwen. De cognitieve robotica werd geboren: door gebruik

Literatuurlijst

  1. Banks, M. R., Willoughby, L. M., & Banks, W. A. (2008). Animal-assisted therapy and loneliness in nursing homes: Use of robotic versus living dogs. Journal of the American Medical Directors Association, 9, 173-177.
  2. Braitenberg, V. (1984). Vehicles – Experiments in synthetic psychology. MIT Press, Cambridge, MA.
  3. Breazeal, C. (2003). Toward sociable robots. Robotics and Autonomous Systems, 42, 167-175.
  4. Breazeal, C. & Aryananda, L. (2002). Recognition of affective communicative intent in robot-directed speech. Autonomous Robots, 12, 83-104.
  5. Buss, D. (1994). The evolution of desire: Strategies of human mating. Basic Books, New York.
  6. Costescu, C. A., Vanderborght, B., & David, D. O. (2014). The effects of robot-enhanced psychotherapy: A meta-analysis. Review Of General Psychology, 18, 127-136.
  7. Francoeur, R. T. (2001). The international encyclopedia of sexuality. Continuum Publishing, New York, NY.
  8. Gazzola, V., Rizzolatti, G., Wicker, B., & Keysers, C. (2007). The anthropomorphic brain: The mirror neuron system responds to human and robotic actions. NeuroImage, 35, 1674-1684.
  9. Gray, H., Gray, K., & Wegner, D. (2007). Dimensions of mind perception. Science, 315, 619.
  10. Groom, V., Nass, C., Chen, T., Nielsen, A., Scarborough, J. K., & Robles, E. (2009). Evaluating the effects of behavioral realism in embodied agents. International Journal of Human-Computer Studies, 67, 842-849.
  11. Heider, F. & Simmel, M. (1944). An experimental study of apparent behavior. American Journal of Psychology, 57, 243-259.
  12. Kozima, H., Nakagawa, C., & Yasuda, Y. (2007). Children-robot interaction: a pilot study in autism therapy. In von Hofsten, C. & Rosander, K., editors, From Action to Cognition, volume 164 of Progress in Brain Research, pages 385-400. Elsevier.
  13. Levy, D. (2007). Robot prostitutes as alternatives to human sex workers. In Proceedings of the 2007 IEEE International Conference on Robotics and Automation, Rome, Italy.
  14. Lu, C. & Tang, X. (2014). Surpassing human-level face verification performance on LFW with GaussianFace. CoRR, abs/1404.3840.
  15. Mitchell, W. J., Szerszen, Sr., K. A., Lu, A. S., Schermerhorn, P. W., Scheutz, M., & MacDorman, K. F. (2011). A mismatch in the human realism of face and voice produces an uncanny valley. i-PERCEPTION, 2, 10-12.
  16. Mori, M. (1970). The uncanny valley. Energy, 7, 33-35.
  17. Oberman, L. M., McCleery, J. P., Ramachandran, V. S., & Pineda, J. A. (2007). EEG evidence for mirror neuron activity during the observation of human and robot actions: Toward an analysis of the human qualities of interactive robots. Neurocomputing, 70, 2194-2203.
  18. Pierno, A. C., Mari, M., Lusher, D., & Castiello, U. (2008). Robotic movement elicits visuomotor priming in children with autism. Neuropsychologia, 46, 448-454.
  19. Ritchie, G., Manurung, R., Pain, H., Waller, A., Black, R., & O’Mara, D. (2007). A practical application of computational humour. In Proceedings of the 4th International Joint Workshop on Computational Creativity, pages 91-98, London, UK.
  20. Roelfs, D. J., Shor, E., Kalish, R., & Yogev, T. (2011). The rising relative risk of mortality for singles: Meta-analysis and meta-regression. American Journal of Epidemiology, 174, 379-389.
  21. Rosenthal-von der Pütten, A. M., Krämer, N. C., Hoffmann, L., Sobieraj, S., & Eimler, S. C. (2013). An experimental study on emotional reactions towards a robot. International Journal of Social Robotics, 5, 17-34.
  22. Saygin, A. P., Chaminade, T., Ishiguro, H., Driver, J., & Frith, C. (2012). The thing that should not be: predictive coding and the uncanny valley in perceiving human and humanoid robot actions. Social Cognitive and Affective Neuroscience, 7, 413-422.
  23. Swangnetr, M. & Kaber, D. (2013). Emotional state classification in patient-robot interaction using wavelet analysis and statistics-based feature selection. IEEE Transactions on Human-Machine Systems, 43, 63-75.
  24. Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59, 433-460.
  25. Valenza, E., Simion, F., Cassia, V. M., & Umiltà, C. (1996). Face preference at birth. Journal of Experimental Psychology: Human Perception And Performance, 22, 892-903.
  26. van Es, L. (2015). Empathic response to cute and scary robots. Master’s thesis, Leiden University.
  27. Viola, P. & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. In Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), pages I-511-I-518.
  28. Waytz, A., Cacioppo, J., & Epley, N. (2010). Who sees human? the stability and importance of individual differences in anthropomorphism. Perspectives on Psychological Science, 5, 219-232.
  29. Weinberg, G., Godfrey, M., Rae, A., & Rhoads, J. (2007). A real-time genetic algorithm in human-robot musical improvisation. In Computer Music Modeling and Retrieval. Sense of Sounds, 4th International Symposium, CMMR 2007, Copenhagen, Denmark, August 27-31, 2007. Revised Papers, pages 351-359.