Emociju AI: vai mēs vēlamies, lai AI saprastu mūsu jūtas?

• Autors:
• Autors nosaukums

  Quantumrun Foresight
• Septembris 6, 2022

Ieskata kopsavilkums

Emociju mākslīgais intelekts (AI) pārveido to, kā mašīnas izprot cilvēka emocijas un reaģē uz tām veselības aprūpē, mārketingā un klientu apkalpošanā. Neskatoties uz debatēm par tās zinātnisko pamatojumu un bažām par privātumu, šī tehnoloģija strauji attīstās, un tādi uzņēmumi kā Apple un Amazon to integrē savos produktos. Tā pieaugošā izmantošana rada svarīgus jautājumus par privātumu, precizitāti un iespējamu aizspriedumu padziļināšanu, izraisot nepieciešamību pēc rūpīga regulējuma un ētiskiem apsvērumiem.

Emociju AI konteksts

Mākslīgā intelekta sistēmas mācās atpazīt cilvēka emocijas un izmantot šo informāciju dažādās nozarēs, sākot no veselības aprūpes līdz mārketinga kampaņām. Piemēram, tīmekļa vietnes izmanto emocijzīmes, lai novērtētu, kā skatītāji reaģē uz to saturu. Tomēr vai emociju AI ir viss, ko tas apgalvo? 

Emociju AI (pazīstama arī kā afektīvā skaitļošana vai mākslīgais emocionālais intelekts) ir AI apakškopa, kas mēra, saprot, simulē un reaģē uz cilvēka emocijām. Šī disciplīna aizsākās 1995. gadā, kad MIT Media laboratorijas profesore Rozalinda Pikara izdeva grāmatu “Affective Computing”. Saskaņā ar MIT Media Lab, emociju AI nodrošina dabiskāku mijiedarbību starp cilvēkiem un mašīnām. Emociju AI mēģina atbildēt uz diviem jautājumiem: kāds ir cilvēka emocionālais stāvoklis un kā viņi reaģēs? Savāktās atbildes lielā mērā ietekmē to, kā mašīnas sniedz pakalpojumus un produktus.

Mākslīgais emocionālais intelekts bieži tiek aizstāts ar sentimenta analīzi, taču datu vākšanā tie atšķiras. Sentimenta analīze ir vērsta uz valodu studijām, piemēram, cilvēku viedokļu noteikšanu par konkrētām tēmām atbilstoši viņu sociālo mediju ziņu, emuāru un komentāru tonim. Tomēr emociju AI paļaujas uz sejas atpazīšanu un izteiksmēm, lai noteiktu noskaņojumu. Citi efektīvi skaitļošanas faktori ir balss modeļi un fizioloģiskie dati, piemēram, acu kustības izmaiņas. Daži eksperti uzskata, ka noskaņojuma analīze ir emociju AI apakškopa, taču ar mazāku privātuma risku.

Traucējoša ietekme

2019. gadā starpuniversitāšu pētnieku grupa, tostarp Ziemeļaustrumu universitāte ASV un Glāzgovas Universitāte, publicēja pētījumus, kas atklāja, ka emociju AI nav stabila zinātniska pamata. Pētījumā tika uzsvērts, ka nav nozīmes tam, vai analīzi veic cilvēki vai mākslīgais intelekts; ir grūti precīzi paredzēt emocionālos stāvokļus, pamatojoties uz sejas izteiksmēm. Pētnieki apgalvo, ka izteiksmes nav pirkstu nospiedumi, kas sniedz galīgu un unikālu informāciju par indivīdu.

Tomēr daži eksperti nepiekrīt šai analīzei. Hume AI dibinātājs Alans Kovens apgalvoja, ka mūsdienu algoritmi ir izstrādājuši datu kopas un prototipus, kas precīzi atbilst cilvēka emocijām. Hume AI, kas piesaistīja USD 5 miljonus investīciju finansējumam, izmanto datu kopas par cilvēkiem no Amerikas, Āfrikas un Āzijas, lai apmācītu savu emociju AI sistēmu. 

Citi jaunie spēlētāji emociju AI jomā ir HireVue, Entropik, Emteq un Neurodata Labs. Entropik izmanto sejas izteiksmes, acu skatienu, balss toņus un smadzeņu viļņus, lai noteiktu mārketinga kampaņas ietekmi. Krievijas banka izmanto Neurodata, lai analizētu klientu noskaņojumu, zvanot klientu apkalpošanas pārstāvjiem. 

Pat Big Tech sāk izmantot emociju AI potenciālu. 2016. gadā Apple iegādājās Sandjego uzņēmumu Emotient, kas analizē sejas izteiksmes. Alexa, Amazon virtuālais palīgs, atvainojas un precizē savas atbildes, kad atklāj, ka tās lietotājs ir neapmierināts. Tikmēr Microsoft runas atpazīšanas AI uzņēmums Nuance var analizēt autovadītāju emocijas, pamatojoties uz viņu sejas izteiksmēm.

Emociju ietekme AI

Emociju AI plašākas sekas var ietvert: 

• Lielākās tehnoloģiju korporācijas, kas iegādājas mazākus uzņēmumus, kas specializējas mākslīgā intelekta jomā, jo īpaši emociju AI, lai uzlabotu savas autonomās transportlīdzekļu sistēmas, tādējādi nodrošinot drošāku un empātiskāku mijiedarbību ar pasažieriem.
• Klientu atbalsta centri, kuros ir iekļauts emociju AI, lai interpretētu balss un sejas signālus, tādējādi sniedzot patērētājiem personalizētāku un efektīvāku problēmu risināšanas pieredzi.
• Lielāks finansējums tiek novirzīts afektīvajai skaitļošanai, veicinot sadarbību starp starptautiskajām akadēmiskajām un pētniecības organizācijām, tādējādi paātrinot cilvēka un AI mijiedarbības attīstību.
• Valdības saskaras ar pieaugošām prasībām izveidot politiku, kas regulē sejas un bioloģisko datu vākšanu, uzglabāšanu un lietošanu.
• Ar rasi un dzimumu saistītu aizspriedumu padziļināšanas risks kļūdainu vai neobjektīvu emociju AI dēļ, kas prasa stingrākus standartus AI apmācībai un ieviešanai publiskajā un privātajā sektorā.
• Patērētāju lielāka paļaušanās uz emocijām AI iespējotām ierīcēm un pakalpojumiem, kā rezultātā emocionāli inteliģentāka tehnoloģija kļūst par ikdienas dzīves sastāvdaļu.
• Izglītības iestādes var integrēt emociju AI e-mācību platformās, pielāgojot mācību metodes, kuru pamatā ir skolēnu emocionālās reakcijas, lai uzlabotu mācību pieredzi.
• Veselības aprūpes sniedzēji izmanto emociju AI, lai labāk izprastu pacientu vajadzības un emocijas, uzlabotu diagnozi un ārstēšanas rezultātus.
• Mārketinga stratēģijas, kas attīstās, lai izmantotu emociju AI, ļaujot uzņēmumiem efektīvāk pielāgot reklāmas un produktus individuāliem emocionālajiem stāvokļiem.
• Tiesību sistēmas, kas, iespējams, izmanto emociju AI, lai novērtētu liecinieku uzticamību vai emocionālo stāvokli izmēģinājumu laikā, radot bažas par ētiku un precizitāti.

Jautājumi, kas jāapsver

• Vai jūs piekristu emociju AI lietotnēm skenēt jūsu sejas izteiksmes un balss toni, lai paredzētu jūsu emocijas?
• Kādi ir iespējamie riski, ja AI, iespējams, nepareizi izlasa emocijas?