Έρευνα

Πότε θα αρχίσει η τεχνητή νοημοσύνη να κατανοεί τα ανθρώπινα συναισθήματα;

Και θα εμπιστευόταν το ρομπότ αν ήταν δικό σουο θεράπων ιατρός; Τα συναισθηματικά νοήμονα αυτοκίνητα μπορεί να μην είναι τόσο μακριά όσο φαίνεται. Τις τελευταίες δεκαετίες, η τεχνητή νοημοσύνη έχει προσθέσει σημαντικά στην ικανότητα να διαβάζει τις συναισθηματικές αντιδράσεις των ανθρώπων.

Αλλά διαβάζοντας τα συναισθήματα δεν σημαίνει ότι τα καταλαβαίνεις. Αν ο ίδιος ο ΑΕ δεν μπορεί να τα δοκιμάσει, θα μπορέσει ποτέ να μας καταλάβει πλήρως; Και αν όχι, διακινδυνεύουμε να αποδίδουμε ρομπότ σε ιδιότητες που δεν έχουν;

Η τελευταία γενιά τεχνητής νοημοσύνης είναι ήδημας ευχαριστεί για τον αυξανόμενο αριθμό των δεδομένων που μπορούν να μάθουν οι υπολογιστές, καθώς και για την αύξηση της υπολογιστικής ισχύος. Αυτά τα μηχανήματα βελτιώνονται σταδιακά στις υποθέσεις που συνήθως δίναμε αποκλειστικά στους ανθρώπους για εκτέλεση.

Σήμερα, η τεχνητή νοημοσύνη, μεταξύ άλλων, μπορεί να αναγνωρίσει πρόσωπα, να στρέψει σκίτσα προσώπου σε φωτογραφίες, να αναγνωρίσει την ομιλία και να παίξει πάει.

Προσδιορισμός εγκληματιών

Όχι πολύ καιρό πριν, οι επιστήμονες εξελίχθηκαν τεχνητάμια νοημοσύνη που μπορεί να πει αν ένα άτομο είναι εγκληματίας απλά κοιτάζοντας τα χαρακτηριστικά του προσώπου του. Το σύστημα αξιολογήθηκε χρησιμοποιώντας μια βάση δεδομένων των κινεζικών φωτογραφιών και τα αποτελέσματα βγήκαν απλά εκπληκτικά. Το AI κακώς χαρακτήρισε αθώους ανθρώπους ως εγκληματίες σε μόλις 6% των περιπτώσεων και προσδιόρισε με επιτυχία το 83% των εγκληματιών. Η συνολική ακρίβεια ήταν σχεδόν 90%.

Το σύστημα αυτό βασίζεται σε μια προσέγγιση που ονομάζεται"Βαθιά μάθηση" που ήταν επιτυχής, για παράδειγμα, στην αναγνώριση προσώπου. Η βαθιά μάθηση σε συνδυασμό με το "μοντέλο περιστροφής προσώπου" επέτρεψε την τεχνητή νοημοσύνη για να καθορίσει αν δύο φωτογραφίες αντιπροσωπεύουν τα πρόσωπα του ίδιου προσώπου, ακόμα και αν αλλάξει ο φωτισμός ή η γωνία.

Η βαθιά μάθηση δημιουργεί ένα "νευρωνικό δίκτυο"η οποία βασίζεται στην προσέγγιση του ανθρώπινου εγκεφάλου. Αποτελείται από εκατοντάδες χιλιάδες νευρώνες οργανωμένους σε διαφορετικά στρώματα. Κάθε στρώμα μεταφράζει δεδομένα εισόδου, για παράδειγμα, μια εικόνα προσώπου, σε ένα υψηλότερο επίπεδο αφαίρεσης, όπως ένα σύνολο ακμών σε ορισμένες κατευθύνσεις και τοποθεσίες. Και υπογραμμίζει αυτόματα τα χαρακτηριστικά που είναι πιο σημαντικά για την εκτέλεση μιας συγκεκριμένης εργασίας.

Δεδομένης της επιτυχίας της βαθιάς μάθησης, δεν υπάρχει τίποτααυτό που προκαλεί έκπληξη είναι ότι τα τεχνητά νευρωνικά δίκτυα μπορούν να διακρίνουν τους εγκληματίες από τους αθώους - εάν υπάρχουν πραγματικά χαρακτηριστικά του προσώπου που διαφέρουν μεταξύ τους. Η μελέτη υπογράμμισε τρία χαρακτηριστικά. Η μία είναι η γωνία μεταξύ της άκρης της μύτης και των γωνιών του στόματος, η οποία είναι κατά μέσο όρο 19,6% λιγότερο για τους εγκληματίες. Η καμπυλότητα του άνω χείλους είναι επίσης κατά μέσο όρο 23,4% μεγαλύτερη για τους εγκληματίες και η απόσταση μεταξύ των εσωτερικών γωνιών των ματιών είναι κατά μέσο όρο 5,6% μικρότερη.

Με την πρώτη ματιά, αυτή η ανάλυση επιτρέπεινα υποδείξουμε ότι η ξεπερασμένη άποψη ότι οι εγκληματίες μπορούν να εντοπιστούν από φυσικά χαρακτηριστικά δεν είναι τόσο λανθασμένη. Ωστόσο, αυτό δεν είναι ολόκληρη η ιστορία. Αξιοσημείωτο είναι ότι τα δύο πιο συναφή χαρακτηριστικά συνδέονται με τα χείλη και αυτά είναι τα πιο εκφραστικά χαρακτηριστικά του προσώπου μας. Οι φωτογραφίες των εγκληματιών που χρησιμοποιήθηκαν στη μελέτη απαιτούν ουδέτερη έκφραση του προσώπου, αλλά η AI κατάφερε να βρει κρυμμένα συναισθήματα σε αυτές τις φωτογραφίες. Ίσως τόσο ασήμαντο ότι οι άνθρωποι δεν είναι σε θέση να τα ανιχνεύσουν.

Είναι δύσκολο να ξεπεραστεί ο πειρασμός να δούμε δείγματαφωτογραφίες σας - εδώ είναι. Το έγγραφο βρίσκεται υπό επανεξέταση. Μια προσεκτική εξέταση και η αλήθεια αποκαλύπτει ένα μικρό χαμόγελο στις φωτογραφίες των αθώων. Αλλά δεν υπάρχουν πολλές φωτογραφίες στα δείγματα, οπότε είναι αδύνατο να εξαχθούν συμπεράσματα σχετικά με ολόκληρη τη βάση δεδομένων.

Η δύναμη της συναισθηματικής υπολογιστικής

Δεν είναι η πρώτη φορά που είναι ικανός ένας υπολογιστήςαναγνωρίζουν τα ανθρώπινα συναισθήματα. Το λεγόμενο πεδίο "συναισθηματικής υπολογιστικής" ή "συναισθηματικής πληροφορικής" υπήρξε εδώ και πολύ καιρό. Πιστεύεται ότι αν θέλουμε να ζούμε άνετα και να αλληλεπιδράμε με τα ρομπότ, αυτά τα μηχανήματα πρέπει να είναι σε θέση να κατανοούν και να ανταποκρίνονται επαρκώς στα ανθρώπινα συναισθήματα. Οι δυνατότητες αυτής της περιοχής είναι αρκετά εκτεταμένες.

Για παράδειγμα, οι ερευνητές χρησιμοποίησαν ανάλυση προσώπου,για να προσδιορίσετε τους μαθητές που έχουν δυσκολία με μαθήματα μάθησης υπολογιστών. Το AI διδάσκει να αναγνωρίζει διαφορετικά επίπεδα δέσμευσης και απογοήτευσης, ώστε το σύστημα να μπορεί να καταλάβει όταν οι μαθητές βρίσκουν εργασία πολύ απλή ή πολύ περίπλοκη. Αυτή η τεχνολογία μπορεί να είναι χρήσιμη για τη βελτίωση της μάθησης σε διαδικτυακές πλατφόρμες.

Η Sony προσπαθεί εντελώς να αναπτύξει ένα ρομπότ,ικανή να διαμορφώσει συναισθηματικούς δεσμούς με τους ανθρώπους. Δεν είναι ακόμη σαφές πώς θα επιτευχθεί αυτό ή τι ακριβώς θα κάνει το ρομπότ. Ωστόσο, η εταιρεία λέει ότι προσπαθεί να «ενσωματώσει υλικό και υπηρεσίες για να προσφέρει μια συναισθηματικά συγκρίσιμη εμπειρία».

Η συναισθηματική τεχνητή νοημοσύνη θα έχει πολλά πιθανά πλεονεκτήματα, είτε είναι ο ρόλος ενός συνομιλητή είτε ενός εκτελεστή, θα είναι σε θέση να εντοπίσει τον εγκληματία και να μιλήσει για θεραπεία.

Υπάρχουν επίσης δεοντολογικά ζητήματα και κίνδυνοι. Θα ήταν σωστό να επιτρέψουμε σε έναν ασθενή με άνοια να βασιστεί σε έναν σύντροφο στο πρόσωπο του AI και να του πει ότι είναι συναισθηματικά ζωντανός, αν και όχι πραγματικά; Μπορείτε να βάλεις ένα άτομο στη φυλακή αν ο ΑΙ λέει ότι είναι ένοχος; Φυσικά όχι. Η τεχνητή νοημοσύνη, κατά πρώτο λόγο, δεν θα είναι δικαστής, αλλά ένας ερευνητής που αναγνωρίζει τους "ύποπτους", αλλά σίγουρα όχι και τους ένοχους.

Τα υποκειμενικά πράγματα όπως τα συναισθήματα και τα συναισθήματα είναι δύσκολαεξηγούν την τεχνητή νοημοσύνη, εν μέρει επειδή η AI δεν έχει πρόσβαση σε αρκετά καλά δεδομένα για να την αναλύσει αντικειμενικά. Το AI θα καταλάβει ποτέ το σαρκασμό; Μια πρόταση μπορεί να είναι σαρκαστική σε ένα πλαίσιο και εντελώς διαφορετική σε μια άλλη.

Σε κάθε περίπτωση, το ποσό των δεδομένων και των υπολογιστικώνη ισχύς συνεχίζει να αυξάνεται. Με λίγες εξαιρέσεις, το AI μπορεί να μάθει να αναγνωρίζει διαφορετικούς τύπους συναισθημάτων τις επόμενες δεκαετίες. Αλλά θα μπορέσει ποτέ να τα δοκιμάσει ο ίδιος; Αυτό είναι ένα σημείο αμφισβήτησης.