Komputery nie potrafią stwierdzić, czy jesteś szczęśliwy, kiedy się uśmiechasz

Animowany gif przedstawiający ludzi z różnymi wyrazami twarzy Pani Tech; Obrazy z Unsplash, Pixabay, Pexels

Kiedy ludzie próbują dowiedzieć się, jak ktoś się czuje, używamy wielu informacji: mimiki, mowy ciała, miejsca, w którym ta osoba się znajduje i nie tylko. Kiedy komputery próbują zrobić to samo, skupiają się tylko na twarzy. To duża wada: według ważnego nowe badanie , sugeruje to, że większość twierdzeń wysuwanych przez firmy zajmujące się rozpoznawaniem emocji jest błędnych.

Rozpoznawanie emocji — czyli używanie technologii do analizowania mimiki twarzy i wnioskowania o uczuciach — jest, według niektórych szacunków, ustawione na 25 miliardów dolarów biznesu do 2023 r . Uczestniczą w nim ogromne firmy, takie jak Microsoft i Apple, a także wyspecjalizowane start-upy, takie jak Kairos i Affectiva. Chociaż najczęściej używana do sprzedaży produktów, technologia rozpoznawania emocji również pojawiła się w rekrutacja do pracy i jako możliwe narzędzie do ustalenia, czy ktoś próbuje popełnić oszustwo ubezpieczeniowe . W 2003 roku amerykańska Administracja Bezpieczeństwa Transportu zaczął szkolić ludzi w wykrywaniu potencjalnych terrorystów poprzez odczytywanie ich mimiki twarzy , więc łatwo wyobrazić sobie projekt sztucznej inteligencji, który próbuje tego samego. (Program TSA był szeroko krytykowany za opierając się na słabej nauce .)

Ale od lat rośnie sprzeciw wobec przekonania, że ​​mimika twarzy jest łatwym sposobem wyrażania uczuć. Grupa naukowców zebrana przez Stowarzyszenie Nauk Psychologicznych spędził dwa lata, przeglądając ponad 1000 artykułów na temat wykrywania emocji. Skupili się na badaniach nad tym, jak ludzie poruszają twarzami, gdy odczuwają określone emocje i jak ludzie wnioskują o stanach emocjonalnych innych ludzi z ich twarzy. Grupa doszła do wniosku, że bardzo trudno jest używać samej mimiki twarzy, aby dokładnie określić, jak ktoś się czuje.

Ludzie uśmiechają się, gdy są szczęśliwi i marszczą brwi, gdy są smutni, ale korelacja jest słaba, mówi współautor badania Lisa Feldman Barrett , psycholog z Northeastern University. Ludzie robią wiele innych rzeczy, kiedy są szczęśliwi lub smutni, a uśmiech może być krzywy lub ironiczny. Ich zachowania różnią się znacznie w zależności od kultury i sytuacji, a kontekst odgrywa dużą rolę w tym, jak interpretujemy wyrażenia. Na przykład w badaniach, w których ktoś umieścił zdjęcie pozytywnej twarzy na ciele kogoś w negatywnej sytuacji, ludzie doświadczyłem twarzy jako bardziej negatywnej .

Krótko mówiąc, wyrażenia, które nauczyliśmy się kojarzyć z emocjami, są stereotypami, a technologia oparta na tych stereotypach nie dostarcza bardzo dobrych informacji. Właściwe rozpoznawanie emocji jest drogie i wymaga zebrania wielu niezwykle szczegółowych danych — więcej, jak mówi Barrett, niż ktokolwiek dotychczas posiadał.

Niebezpieczeństwo braku wystarczającej ilości danych

Większość firm, o które poprosiłem o komentarz do tej historii, w tym Apple i Microsoft, nie odpowiedziała. Jeden, który to zrobił, Kair , obiecuje sprzedawcom, że może korzystać z technologii rozpoznawania emocji, aby dowiedzieć się, jak czują się ich klienci. Skanując twarze klientów i analizując uniesioną brew lub uśmiech, aby stwierdzić, czy ktoś jest szczęśliwy, czy smutny, Kairos dostarcza danych, które mogą być trudne do zebrania dla firm tradycyjnych, mówi dyrektor generalna Melissa Doval.

Aby wyszkolić swoją technologię, Kairos kazał ludziom oglądać wywołujące emocje filmy i skanować ich twarze. Niektóre inne dane pochodziły z wyrażeń pozowanych. Jedna osoba w firmie jest odpowiedzialna za oznaczanie tych danych w celu zasilania algorytmu.

Jest to niezwykle powszechne podejście, ale według nowego przeglądu ma dwie duże słabości. Jednym z nich są upozowane twarze. Jeśli każą ci zrobić zdziwioną minę, może to bardzo różnić się od tego, jak faktycznie wygląda twoja twarz, gdy jesteś zaskoczony. Innym problemem jest przejrzenie i oznaczenie tych danych przez osobę trzecią. Obserwator może odczytać wyraz twarzy jako zaskoczony, ale bez pytania oryginalnej osoby, trudno jest określić, jakie były prawdziwe emocje.

Rezultatem jest technologia o dość elementarnych zdolnościach. Ze swojej strony Doval mówi, że firma skupia się obecnie na ulepszaniu kamery i deski rozdzielczej zamiast samej technologii emocji. Dodała, że ​​w końcu będą zainteresowani wzięciem pod uwagę badań takich jak Barrett i dodaniem danych demograficznych, aby uzyskać więcej kontekstu i zwiększyć dokładność algorytmu.

Niebezpieczeństwo, że zrobisz to dobrze

Barrett ma sugestie, jak lepiej rozpoznawać emocje. Nie używaj pojedynczych zdjęć, mówi; badać osoby w różnych sytuacjach na przestrzeni czasu. Zbierz dużo kontekstu — na przykład głos, postawę, to, co dzieje się w otoczeniu, informacje fizjologiczne, takie jak to, co dzieje się z układem nerwowym — i dowiedz się, co uśmiech oznacza dla konkretnej osoby w określonej sytuacji. Powtórz i zobacz, czy możesz znaleźć pewne wzorce u osób o podobnych cechach, takich jak płeć. Nie musisz zawsze mierzyć wszystkich, ale możesz mierzyć większą liczbę osób, które badasz w różnych kulturach, mówi. Myślę, że wszyscy naturalnie skłaniamy się ku temu podejściu do Big Data. Teraz jest to możliwe, podczas gdy jeszcze dekadę temu było to znacznie trudniejsze.

Ta metoda jest bardziej podobna do podejścia firm takich jak z Bostonu Afektywne . Współzałożycielka i dyrektor generalny Affectiva, Rana el Kaliouby, zgadza się, że obecne rozumienie emocji jest nadmiernie uproszczone. Na przykład własna analiza firmy wykazała, że ​​istnieje co najmniej pięć różnych rodzajów uśmiechów, od zalotnego po grzeczny. Affectiva zbiera dane z 87 krajów, rejestruje ludzi w rzeczywistych sytuacjach (na przykład podczas prowadzenia samochodu) i prosi uczestników o samodzielne zgłaszanie tego, jak się czują. Czy to rozwiązany problem? Wcale nie, mówi el Kaliouby. Technologia Affectiva jest lepsza na przykład w klasyfikowaniu radości niż w odróżnianiu strachu, gniewu i obrzydzenia.

Aby uzyskać dokładność, więcej danych jest lepszych. Jednak zbieranie tak dużej ilości danych osobowych ma również pułapki, jak pokazują toczące się debaty dotyczące rozpoznawania twarzy. Konsumenci coraz bardziej boją się utraty prywatności lub wykorzystania ich danych przeciwko nim. To jest coś, co powinno być zmartwieniem dla każdego z tych systemów, mówi Tiffany Lee , badaczka ds. prywatności w ramach projektu Społeczeństwa Informacyjnego Uniwersytetu Yale. Problemem jest posiadanie odpowiednich zabezpieczeń”. Musimy na przykład wiedzieć, skąd pochodzą dane, w jaki sposób są gromadzone i jak są przechowywane. Czy dane zostaną sprzedane czy przekazane? Czy będzie powiązany z jakimikolwiek innymi zbiorami danych, które mogą zawierać informacje identyfikujące?

Affectiva mówi, że odmawia współpracy z firmami inwigilującymi lub wykrywającymi kłamstwa. Nauczyciele akademiccy zazwyczaj mają ścisłe ograniczenia w zakresie zbierania i udostępniania danych. Jednak sektor prywatny nie podlega ogólnym zasadom dotyczącym gromadzenia i wykorzystywania danych, co może być niebezpieczne, ponieważ firmy próbują ulepszyć swoje technologie. Myślę, że nie mamy teraz wystarczająco dużo zabezpieczeń, mówi Li.

Korekta: Według szacunków rynkowych do 2023 roku rozpoznawanie emocji ma osiągnąć wartość 25 miliardów dolarów. Wcześniejsza wersja tego artykułu zawierała błędny numer.

ukryć