|
Когда искусственный интеллект начнет понимать эмоции
|
|
|
|
А вы доверились бы роботу, если бы он был вашим лечащим врачом? Эмоциональные разумные машины могут быть не так далеки от нас, как кажется. За последние несколько десятилетий, искусственный интеллект существенно прибавил в возможностях чтения эмоциональных реакций людей. Но читать эмоции — не значит их понимать. Если сам ИИ не может их испытывать, сможет ли он когда-нибудь понять нас в полной мере? И если нет, рискуем ли мы приписывать роботам свойства, которых у них нет?
|
|
|
|
Последнее поколение искусственного интеллекта уже благодарит нас за рост числа данных, на которых компьютеры могут учиться, а также за увеличение вычислительной мощности. Эти машины постепенно совершенствуются в делах, которые мы обычно отдавали на выполнение исключительно людям.
|
 |
|
Сегодня искусственный интеллект, среди прочего, может распознавать лица, превращать эскизы лиц в фотографии, распознавать речь и играть в го.
|
|
|
|
Идентификация преступников
|
|
|
|
Не так давно ученые разработали искусственный интеллект, который способен сказать, является ли человек преступником, просто посмотрев на его черты лица. Систему оценивали с использованием базы данных фотографий китайцев и результаты вышли просто ошеломляющие. ИИ ошибочно классифицировал невинных людей в качестве преступников всего в 6% случаев и успешно опознал 83% преступников. Общая точность составила почти 90%.
|
|
|
|
Эта система основана на подходе под названием «глубокое обучение», который оказался успешным, например, в распознавании лиц. Глубокое обучение в сочетании с «моделью вращения лица» позволило искусственному интеллекту определить, представляют ли две фотографии лица одного и того же человека, даже если меняется освещение или угол.
|
|
|
|
Глубокое обучение создает «нейронную сеть», которая берет в свою основу приближение человеческого мозга. Она состоит из сотен тысяч нейронов, организованных в разных слоях. Каждый слой переводит входные данные, например, изображение лица, на более высокий уровень абстракции, вроде набора ребер в определенных направлениях и расположениях. И автоматически выделяет черты, которые наиболее актуальны для выполнения той или иной задачи.
|
|
|
|
Учитывая успех глубокого обучения, нет ничего удивительного в том, что искусственные нейронные сети могут отличать преступников от невинных — если действительно существуют черты лица, которые между ними различаются. Исследование позволило выделить три черты. Одна — угол между кончиком носа и уголками рта, который в среднем на 19,6% меньше у преступников. Кривизна верхней губы также в среднем на 23,4% больше для преступников, а расстояние между внутренними уголками глаз в среднем на 5,6% уже.
|
|
|
|
На первый взгляд, этот анализ позволяет предположить, что устаревшее мнение, что преступников можно определить по физическим атрибутам, не такое уж и неправильное. Тем не менее, это еще не вся история. Что примечательно, две самых релевантных черты связаны с губами, а это наши самые выразительные черты лица. Фотографии преступников, которые использовались в исследовании, требуют сохранять нейтральное выражение лица, но ИИ все же умудрился найти скрытые эмоции на этих фотографиях. Возможно, настолько незначительные, что люди не в силах их обнаружить.
|
|
|
|
Сложно побороть соблазн взглянуть на образцы фотографий самостоятельно — вот они. Документ еще проходит рецензирование. Тщательное рассмотрение и правда показывает легкую улыбку на фотографиях невинных. Но в образцах не так много фотографий, поэтому сделать выводы о всей базе данных невозможно.
|
|
Сила аффективных вычислений
|
|
|
|
Это не первый раз, когда компьютер способен распознавать человеческие эмоции. Так называемая область «аффективных вычислений» или «эмоциональных вычислений» существует уже давно. Считается, что если мы хотим комфортно жить и взаимодействовать с роботами, эти машины должны уметь понимать и адекватно реагировать на человеческие эмоции. Возможности этой области довольно обширны.
|
|
|
|
Например, исследователи использовали анализ лиц, чтобы определить студентов, испытывающих трудности с компьютерными обучающими уроками. ИИ научили распознавать различные уровни вовлеченности и разочарования, чтобы система могла понять, когда студенты считают работу слишком простой или слишком сложной. Эта технология может быть полезной для улучшения процесса обучения на онлайн-платформах.
|
|
|
|
Sony и вовсе пытается разработать робота, способного формировать эмоциональные связи с людьми. Пока не совсем понятно, как она собралась достичь этого или что конкретно будет делать робот. Тем не менее, компания заявляет, что пытается «интегрировать аппаратные средства и услуги, чтобы обеспечить эмоционально сопоставимый опыт».
|
|
|
|
Эмоциональный искусственный интеллект будет иметь ряд потенциальных преимуществ, будь то роль собеседника или исполнителя — сможет и преступника опознать, и о лечении поговорить.
|
|
|
|
Существуют также этические проблемы и риски. Будет ли правильным позволить пациенту с деменцией положиться на компаньона в лице ИИ и сказать ему, что он эмоционально живой, хотя на самом деле нет? Сможете ли вы посадить человека за решетку, если ИИ скажет, что он виновен? Конечно, нет. Искусственный интеллект, в первую очередь, будет не судьей, а следователем, определяющим «подозрительных», но уж никак не виновных людей.
|
|
|
|
Субъективные вещи вроде эмоций и чувств сложно объяснить искусственному интеллекту, отчасти потому, что у ИИ нет доступа к достаточно хорошим данным, чтобы объективно их проанализировать. Сможет ли ИИ когда-нибудь понять сарказм? Одно предложение может быть саркастичным в одном контексте и совершенно другим — в другом.
|
|
|
|
В любом случае, объем данных и вычислительной мощности продолжает расти. За несколькими исключениями, ИИ вполне может научиться распознавать различные типы эмоций в ближайшие несколько десятилетий. Но сможет ли он когда-нибудь сам их испытывать? Это спорный вопрос.
|
|
|
|
Источник
|
