211service.com
Datori nevar pateikt, vai esat laimīgs, kad smaidāt
Animēts gif, kurā redzami cilvēki ar dažādām sejas izteiksmēm Tehnikas kundze; Attēli no Unsplash, Pixabay, Pexels
Kad cilvēki mēģina noskaidrot, kā kāds jūtas, mēs izmantojam daudz informācijas: sejas izteiksmes, ķermeņa valodu, šīs personas atrašanās vietu un daudz ko citu. Kad datori mēģina darīt to pašu, tie mēdz koncentrēties tikai uz seju. Tas ir liels trūkums: saskaņā ar svarīgu jauns pētījums , tas liecina, ka lielākā daļa emociju atpazīšanas uzņēmumu apgalvojumu ir nepareizi.
Emociju atpazīšana jeb tehnoloģiju izmantošana, lai analizētu sejas izteiksmes un izsecinātu jūtas, pēc viena aprēķina ir iestatīta kā 25 miljardu dolāru bizness līdz 2023. gadam . Piedalās tādi milzīgi uzņēmumi kā Microsoft un Apple, kā arī specializēti jaunuzņēmumi, piemēram, Kairos un Affectiva. Lai gan visbiežāk tiek izmantota produktu pārdošanai, ir parādījusies arī emociju atpazīšanas tehnoloģija darba atlase un kā iespējamu rīku, lai noskaidrotu, vai kāds mēģina veikt apdrošināšanas krāpšanu . Vēl 2003. gadā ASV Transporta drošības administrācija sāka apmācīt cilvēkus, lai pamanītu potenciālos teroristus, lasot viņu sejas izteiksmes , tāpēc ir viegli iedomāties mākslīgā intelekta projektu, kas mēģina to pašu. (TSA programma tika plaši kritizēta par to pamatojoties uz vāju zinātni .)
Taču jau gadiem ilgi ir pieaugusi atspēkošanās pret pārliecību, ka sejas izteiksmes ir viegla jūtu izpausme. Zinātnieku grupa, ko apvienoja Psiholoģijas zinātnes asociācija pavadīja divus gadus, pārskatot vairāk nekā 1000 rakstu par emociju noteikšanu. Viņi koncentrējās uz pētījumiem par to, kā cilvēki kustina savas sejas, kad viņi izjūt noteiktas emocijas, un kā cilvēki secina citu cilvēku emocionālos stāvokļus no viņu sejām. Grupa secināja, ka ir ļoti grūti izmantot tikai sejas izteiksmes, lai precīzi pateiktu, kā kāds jūtas.
Cilvēki smaida, kad ir laimīgi, un sarauc pieri, kad ir skumji, taču korelācija ir vāja, saka pētījuma līdzautors. Liza Feldmane Bareta , psihologs Ziemeļaustrumu universitātē. Cilvēki dara daudz citu lietu, kad viņiem ir arī prieks vai skumji, un smaids var būt īgns vai ironisks. Viņu uzvedība dažādās kultūrās un situācijās ir ļoti atšķirīga, un kontekstam ir liela nozīme izteicienu interpretācijā. Piemēram, pētījumos, kur kāds novietoja pozitīvas sejas attēlu uz kāda ķermeņa, kas atrodas negatīvā situācijā, cilvēki piedzīvoja seju kā negatīvāku .
Īsāk sakot, izteicieni, kurus esam iemācījušies saistīt ar emocijām, ir stereotipi, un tehnoloģija, kuras pamatā ir šie stereotipi, nesniedz ļoti labu informāciju. Pareiza emociju atpazīšanas iegūšana ir dārga un prasa savākt daudz ļoti specifisku datu — Barets saka vairāk nekā līdz šim.
Bīstamība, ka nav pietiekami daudz datu
Lielākā daļa uzņēmumu, kuriem es lūdzu komentāru par šo stāstu, tostarp Apple un Microsoft, neatbildēja. Viens, kas izdarīja, Kaira , sola mazumtirgotājiem, ka var izmantot emociju atpazīšanas tehnoloģiju, lai noskaidrotu, kā jūtas viņu klienti. Skenējot klientu sejas un analizējot paceltas uzacis vai smaidu, lai noteiktu, vai kāds ir laimīgs vai skumjš, Kairos nodrošina tādus datus, kurus tradicionālajiem uzņēmumiem var būt grūti savākt, saka izpilddirektore Melisa Dovala.
Lai apmācītu savu tehnoloģiju, Kaiross lika cilvēkiem skatīties emocijas izraisošus videoklipus un skenēt viņu sejas. Daži citi dati tika iegūti no izvirzītajām izteiksmēm. Viena persona uzņēmumā ir atbildīga par šo datu marķēšanu, lai nodrošinātu algoritmu.
Šī ir ļoti izplatīta pieeja, taču saskaņā ar jauno pārskatu tai ir divi lieli trūkumi. Viena ir pozētās sejas. Ja jums liek uztaisīt pārsteigtu seju, tas var ļoti atšķirties no tā, kā patiesībā izskatās jūsu seja, kad esat pārsteigts. Otra problēma ir tāda, ka trešā puse pārbauda un marķē šos datus. Novērotājs var uztvert sejas izteiksmi kā pārsteigts, taču, nepajautājot sākotnējai personai, ir grūti saprast, kāda bija patiesā emocija.
Rezultāts ir tehnoloģija ar diezgan elementārām spējām. Savukārt Doval saka, ka uzņēmums šobrīd koncentrējas uz kameras un informācijas paneļa uzlabošanu, nevis uz emociju tehnoloģiju. Viņa piebilda, ka galu galā viņi būtu ieinteresēti ņemt vērā tādus pētījumus kā Barets un pievienot demogrāfiskos datus, lai iegūtu plašāku kontekstu un padarītu algoritmu precīzāku.
Briesmas to izdarīt pareizi
Baretam ir ieteikumi, kā labāk atpazīt emocijas. Neizmantojiet atsevišķus fotoattēlus, viņa saka; pētīt indivīdus dažādās situācijās laika gaitā. Apkopojiet daudz konteksta, piemēram, balsi, pozu, apkārtējā vidē notiekošo, fizioloģisko informāciju, piemēram, to, kas notiek ar nervu sistēmu, un noskaidrojiet, ko smaids nozīmē konkrētai personai konkrētā situācijā. Atkārtojiet un pārbaudiet, vai varat atrast dažus modeļus cilvēkiem ar līdzīgām īpašībām, piemēram, dzimumu. Viņa saka, ka jums nav vienmēr jāmēra visi, bet jūs varat izmērīt lielāku cilvēku skaitu, ko izlasi dažādās kultūrās. Es domāju, ka mēs visi dabiski tiecamies uz šo lielo datu pieeju. Tagad to ir iespējams izdarīt, turpretim vēl pirms desmit gadiem tas bija daudz grūtāk.
Šī metode ir vairāk līdzīga tādu uzņēmumu pieejai kā Bostonā Afektīvs . Affectiva līdzdibinātāja un izpilddirektore Rana el Kaliouby piekrīt, ka pašreizējā emociju izpratne ir pārāk vienkāršota. Piemēram, paša uzņēmuma veiktā analīze ir parādījusi, ka pastāv vismaz pieci dažādi smaidu veidi, sākot no koķeta smaida līdz pieklājīgam. Affectiva apkopo datus no 87 valstīm, reģistrē cilvēkus reālās dzīves situācijās (piemēram, kad viņi brauc) un pieprasa dalībniekiem pašpārskatus par to, kā viņi jūtas. Vai tā ir atrisināta problēma? Tā nemaz nav, saka el Kaliouby. Affectiva tehnoloģija spēj labāk klasificēt, piemēram, prieku, nekā atšķirt bailes, dusmas un riebumu.
Lai nodrošinātu precizitāti, labāk ir iegūt vairāk datu. Taču tik daudz personas datu vākšanai ir arī nepilnības, kā liecina notiekošās diskusijas par sejas atpazīšanu. Patērētāji arvien vairāk baidās zaudēt privātumu vai viņu datus izmantot pret viņiem. Tas ir kaut kas, par ko būtu jāuztraucas jebkurai no šīm sistēmām, saka Tifānija Lī , privātuma pētnieks Jēlas Universitātes Informācijas sabiedrības projektā. Jautājums ir par pareizu drošības pasākumu nodrošināšanu. Mums ir jāzina, piemēram, no kurienes tiek iegūti dati, kā tie tiek vākti un kā tie tiek glabāti. Vai dati tiks pārdoti vai nodoti? Vai tas būs saistīts ar citām datu kopām, kurās varētu būt identificējoša informācija?
Affectiva saka, ka atsakās sadarboties ar novērošanas vai melu atklāšanas uzņēmumiem. Akadēmiķiem parasti ir stingri ierobežojumi attiecībā uz to, kā viņi var vākt un koplietot datus. Taču privāto sektoru neregulē plaši noteikumi par datu vākšanu un izmantošanu, un tas varētu būt bīstami, jo uzņēmumi cenšas uzlabot savas tehnoloģijas. Es nedomāju, ka šobrīd mums patiešām ir pietiekami daudz drošības pasākumu, saka Li.
Labojums: saskaņā ar vienu tirgus aprēķinu emociju atpazīšana līdz 2023. gadam kļūs par 25 miljardu dolāru biznesu. Iepriekšējā šī raksta versijā šis numurs ir norādīts nepareizi.