Kompiuteriai negali pasakyti, ar esate laimingas, kai šypsotės

Animacinis gifas, kuriame rodomi skirtingos veido išraiškos žmonės ponia Tech; Vaizdai iš Unsplash, Pixabay, Pexels

Kai žmonės bando išsiaiškinti, kaip kažkas jaučiasi, naudojame daug informacijos: veido išraiškas, kūno kalbą, kur tas asmuo yra ir kt. Kai kompiuteriai bando daryti tą patį, jie linkę sutelkti dėmesį tik į veidą. Tai didelis trūkumas: pagal svarbų naujas tyrimas , tai rodo, kad dauguma emocijų atpažinimo įmonių teiginių yra klaidingi.

Emocijų atpažinimas arba technologijų naudojimas veido išraiškoms analizuoti ir jausmams daryti išvados, remiantis vienu įvertinimu, yra 25 milijardų dolerių verslas iki 2023 m . Dalyvauja didžiulės įmonės, tokios kaip „Microsoft“ ir „Apple“, taip pat specializuoti startuoliai, tokie kaip „Kairos“ ir „Affectiva“. Nors dažniausiai naudojama gaminiams parduoti, atsirado ir emocijų atpažinimo technologija darbo rinkimas ir kaip galimas įrankis išsiaiškinti, ar kažkas bando padaryti draudimo sukčiavimą . Dar 2003 m. JAV transporto saugumo administracija pradėjo mokyti žmones atpažinti potencialius teroristus skaitydami jų veido išraiškas , todėl nesunku įsivaizduoti dirbtinio intelekto projektą, bandantį tą patį. (TSA programa buvo plačiai kritikuojama paremtas prastu mokslu .)

Tačiau jau daugelį metų vis labiau prieštaraujama įsitikinimui, kad veido išraiškos yra lengvas jausmų perteikimas. Mokslininkų grupė, kurią subūrė Psichologijos mokslų asociacija praleido dvejus metus peržiūrėdamas daugiau nei 1000 straipsnių apie emocijų aptikimą. Jie daugiausia dėmesio skyrė tyrimams, kaip žmonės judina veidus, kai jaučia tam tikras emocijas, ir kaip žmonės daro išvadą apie kitų žmonių emocines būsenas iš jų veidų. Grupė padarė išvadą, kad labai sunku naudoti vien veido išraiškas, norint tiksliai pasakyti, kaip kažkas jaučiasi.

Žmonės šypsosi, kai yra laimingi, ir susiraukia, kai jiems liūdi, tačiau ryšys yra silpnas, sako tyrimo bendraautoris. Lisa Feldman Barrett , Šiaurės rytų universiteto psichologė. Žmonės daro daug kitų dalykų, kai yra laimingi ar liūdni, o šypsena gali būti ironiška. Jų elgesys labai skiriasi įvairiose kultūrose ir situacijose, o kontekstas vaidina svarbų vaidmenį interpretuojant išraiškas. Pavyzdžiui, atliekant tyrimus, kai kas nors uždėjo teigiamo veido nuotrauką ant neigiamoje situacijoje atsidūrusio žmogaus kūno veidą išgyveno kaip negatyvesnį .

Trumpai tariant, išsireiškimai, kuriuos išmokome sieti su emocijomis, yra stereotipai, o šiais stereotipais pagrįstos technologijos nesuteikia labai geros informacijos. Teisingas emocijų atpažinimas yra brangus ir reikalauja surinkti daug ypač specifinių duomenų – daugiau, sako Barrettas, nei kas nors iki šiol.

Pavojus, kad trūksta duomenų

Daugelis įmonių, kurių paprašiau pakomentuoti šią istoriją, įskaitant „Apple“ ir „Microsoft“, neatsakė. Tas, kuris padarė, Kairas , žada mažmenininkams, kad gali naudoti emocijų atpažinimo technologiją, kad išsiaiškintų, kaip jaučiasi jų klientai. Nuskaitydamas klientų veidus ir analizuodamas pakeltus antakius ar šypseną, kad suprastų, ar kas nors yra laimingas ar liūdnas, „Kairos“ pateikia tokius duomenis, kuriuos gali būti sunku surinkti tradicinėms įmonėms, sako generalinė direktorė Melissa Doval.

Kad išmokytų savo technologijas, Kairosas privertė žmones žiūrėti emocijas sukeliančius vaizdo įrašus ir nuskaityti jų veidus. Kai kurie kiti duomenys buvo gauti iš pateiktų išraiškų. Vienas įmonės asmuo yra atsakingas už tų duomenų ženklinimą, kad būtų pateiktas algoritmas.

Tai labai paplitęs metodas, tačiau, remiantis nauja apžvalga, jis turi du didelius trūkumus. Vienas iš jų – pozuoti veidai. Jei jums lieps nusistebėti, tai gali labai skirtis nuo to, kaip atrodo jūsų veidas, kai esate nustebęs. Kita problema yra tai, kad trečioji šalis peržiūrėtų ir pažymėtų šiuos duomenis. Stebėtojas gali suprasti, kad veido išraiška yra nustebusi, tačiau nepaklausus pirminio žmogaus sunku suprasti, kokia buvo tikroji emocija.

Rezultatas yra technologija su gana elementariais gebėjimais. Savo ruožtu Doval teigia, kad bendrovė šiuo metu daugiausia dėmesio skiria savo fotoaparato ir prietaisų skydelio tobulinimui, o ne pačiai emocijų technologijai. Ji pridūrė, kad galiausiai jie būtų suinteresuoti atsižvelgti į tokius tyrimus kaip Barretto ir įtraukti demografinius duomenis, kad būtų daugiau konteksto ir algoritmas būtų tikslesnis.

Pavojus tai padaryti teisingai

Barrettas turi pasiūlymų, kaip geriau atpažinti emocijas. Nenaudokite pavienių nuotraukų, sako ji; tirti asmenis įvairiose situacijose laikui bėgant. Surinkite daug konteksto, pvz., balso, laikysenos, kas vyksta aplinkoje, fiziologinės informacijos, pavyzdžiui, kas vyksta su nervų sistema, ir išsiaiškinkite, ką šypsena reiškia konkrečiam žmogui konkrečioje situacijoje. Pakartokite ir pažiūrėkite, ar galite rasti tam tikrų žmonių, turinčių panašių savybių, pavyzdžiui, lyties, modelių. Nereikia visada matuoti visų, bet galite išmatuoti didesnį žmonių skaičių, kuriuos atrenkate įvairiose kultūrose, sako ji. Manau, kad mes visi natūraliai linkstame prie šio didelių duomenų metodo. Dabar tai padaryti įmanoma, o prieš dešimtmetį tai buvo daug sunkiau.

Šis metodas labiau panašus į tokių įmonių, kaip Bostone, požiūrį Afektinis . „Affectiva“ įkūrėja ir generalinė direktorė Rana el Kaliouby sutinka, kad dabartinis emocijų supratimas yra pernelyg supaprastintas. Pavyzdžiui, pačios įmonės atlikta analizė parodė, kad yra mažiausiai penki skirtingi šypsenų tipai – nuo ​​flirtuojančios šypsenos iki mandagios. „Affectiva“ renka duomenis iš 87 šalių, registruoja žmones realiose situacijose (pvz., kai jie vairuoja) ir prašo dalyvių pateikti ataskaitų apie tai, kaip jie jaučiasi. Ar tai išspręsta problema? Tai visai ne, sako el Kaliouby. Pavyzdžiui, „Affectiva“ technologija geriau klasifikuoja džiaugsmą nei baimę, pyktį ir pasibjaurėjimą.

Siekiant tikslumo, daugiau duomenų yra geriau. Tačiau, kaip rodo vykstančios diskusijos dėl veido atpažinimo, renkant tiek daug asmeninių duomenų yra spąstų. Vartotojai vis labiau bijo prarasti privatumą arba, kad jų duomenys bus panaudoti prieš juos. Tai turėtų kelti nerimą bet kuriai iš šių sistemų, sako Tifanė Lee , privatumo tyrinėtojas, dalyvaujantis Jeilio universiteto informacinės visuomenės projekte. Problema yra tinkamų apsaugos priemonių turėjimas. Pavyzdžiui, turime žinoti, iš kur gaunami duomenys, kaip jie renkami ir kaip saugomi. Ar duomenys bus parduoti ar perduoti? Ar jis bus susietas su kitais duomenų rinkiniais, kuriuose gali būti identifikavimo informacijos?

„Affectiva“ teigia atsisakanti bendradarbiauti su sekimo ar melo atskleidimo įmonėmis. Akademikai paprastai turi griežtus apribojimus, kaip jie gali rinkti ir dalytis duomenimis. Tačiau privačiam sektoriui nevaldomos plačios duomenų rinkimo ir naudojimo taisyklės, o tai gali būti pavojinga įmonėms bandant tobulinti savo technologijas. Nemanau, kad šiuo metu tikrai turime pakankamai apsaugos priemonių, sako Li.

Pataisa: emocijų atpažinimas iki 2023 m. turėtų tapti 25 milijardų dolerių verslu, remiantis vienu rinkos įvertinimu. Ankstesnėje šio straipsnio versijoje šis skaičius buvo neteisingai nurodytas.

paslėpti