Forskning

Hvornår begynder kunstig intelligens at forstå menneskelige følelser?

Og du ville stole på roboten, hvis den var dinden behandlende læge? Følelsesmæssige intelligente biler er måske ikke så langt fra os, som de ser ud til. I løbet af de sidste par årtier har kunstig intelligens væsentligt øget muligheden for at læse folks følelsesmæssige reaktioner.

Men at læse følelser betyder ikke at forstå dem. Hvis AI ikke selv kan teste dem, vil den nogensinde være i stand til fuldt ud at forstå os? Og hvis ikke, risikerer vi at tilskrive robotter til egenskaber, som de ikke har?

Den seneste generation af kunstig intelligens er alleredetak for den stigning i mængden af ​​data, computere kan lære af, samt for stigningen i computerkraft. Disse maskiner forbedres gradvist i forhold, som vi normalt udelukkende gav folk til udførelse.

I dag kan kunstig intelligens blandt andet genkende ansigter, omdanne ansigtsskitser til fotografier, genkende tale og spille.

Identifikation af kriminelle

For ikke så længe siden udviklede forskere kunstigeen intelligens, der kan fortælle, om en person er en kriminel ved blot at se på hans ansigtstræk. Systemet blev evalueret ved hjælp af en database med kinesiske fotografier, og resultaterne kom simpelthen fantastisk. AI klassificerede fejlagtigt uskyldige mennesker som kriminelle i kun 6% af tilfældene og identificerede med succes 83% af kriminelle. Den samlede nøjagtighed var næsten 90%.

Dette system er baseret på en kaldet tilgang”Dyb læring”, der har været succesrig, for eksempel i ansigtsgenkendelse. Dyb læring kombineret med ”ansigtsrotationsmodellen” gjorde det muligt for kunstig intelligens at bestemme, om to fotografier repræsenterer ansigterne på den samme person, selvom belysningen eller vinklen ændres.

Deep learning skaber et "neuralt netværk",der tager grundlag for tilnærmelsen af ​​den menneskelige hjerne. Det består af hundreder af tusinder af neuroner organiseret i forskellige lag. Hvert lag oversætter inputdata, for eksempel et ansigtsbillede, til et højere abstraktionsniveau, såsom et sæt kanter i bestemte retninger og placeringer. Og det fremhæver automatisk de funktioner, der er mest relevante for udførelsen af ​​en bestemt opgave.

I betragtning af succes med dyb læring er der intetDet, der er overraskende, er, at kunstige neurale netværk kan skelne forbrydere fra uskyldige - hvis der virkelig er ansigtstræk, der adskiller sig mellem dem. Undersøgelsen fremhævede tre træk. Den ene er vinklen mellem spidsen af ​​næsen og mundens hjørner, hvilket i gennemsnit er 19,6% mindre for kriminelle. Overkropens krumning er også i gennemsnit 23,4% større for kriminelle, og afstanden mellem de indre hjørner af øjnene er i gennemsnit 5,6% smalere.

Ved første øjekast tillader denne analyseat antyde, at den forældede opfattelse af, at kriminelle kan identificeres ved fysiske egenskaber, ikke er så forkert. Dette er dog ikke hele historien. Bemærkelsesværdigt er de to mest relevante træk forbundet med læberne, og dette er vores mest udtryksfulde ansigtstræk. Fotos af de kriminelle, der blev brugt i undersøgelsen, kræver et neutralt ansigtsudtryk, men AI lykkedes stadig at finde skjulte følelser på disse fotos. Måske så ubetydelig, at folk ikke er i stand til at opdage dem.

Det er svært at overvinde fristelsen til at se på prøverfotos selv - her er de. Dokumentet er under gennemgang. En omhyggelig undersøgelse og sandheden viser et lille smil på fotografierne af den uskyldige. Men der er ikke mange fotografier i prøverne, så det er umuligt at drage konklusioner om hele databasen.

Kraften ved affektiv computing

Dette er ikke første gang en computer er i stand tilgenkende menneskelige følelser. Det såkaldte felt "affektiv computing" eller "emotional computing" har eksisteret i lang tid. Det antages, at hvis vi ønsker at leve komfortabelt og interagere med robotter, skal disse maskiner være i stand til at forstå og reagere passende på menneskelige følelser. Mulighederne for dette område er ret omfattende.

For eksempel brugte forskere ansigtsanalyse,at identificere studerende, der har svært ved computerbaseret læring. AI lærte at genkende forskellige niveauer af engagement og frustration, så systemet kan forstå, når studerende finder arbejde for enkelt eller for komplekst. Denne teknologi kan være nyttig til at forbedre læring på online platforme.

Sony forsøger fuldstændigt at udvikle en robot,i stand til at danne følelsesmæssige bånd med mennesker. Det er endnu ikke klart, hvordan hun skulle nå dette, eller hvad nøjagtigt roboten vil gøre. Virksomheden siger imidlertid, at den prøver at "integrere hardware og tjenester for at give en følelsesmæssigt sammenlignelig oplevelse."

Følelsesmæssig kunstig intelligens vil have en række potentielle fordele, hvad enten det er rollen som en samtalepartner eller en kunstner, det vil være i stand til at identificere den kriminelle og tale om behandling.

Der er også etiske spørgsmål og risici. Ville det være rigtigt at tillade en patient med demens at stole på en ledsager i AI-personen og fortælle ham, at han følelsesmæssigt lever, skønt ikke rigtig? Kan du sætte en person i fængsel, hvis AI siger, at han er skyldig? Selvfølgelig ikke. Kunstig intelligens vil i første omgang ikke være en dommer, men en efterforsker, der identificerer "mistænkelige", men bestemt ikke skyldige mennesker.

Subjektive ting som følelser og følelser er vanskeligeforklare kunstig intelligens, delvis fordi AI ikke har adgang til gode nok data til objektivt at analysere dem. Vil AI nogensinde forstå sarkasme? En sætning kan være sarkastisk i en sammenhæng og helt anden i en anden.

I alle tilfælde mængden af ​​data og beregningmagt fortsætter med at vokse. Med nogle få undtagelser kan AI godt lære at genkende forskellige typer følelser i de næste par årtier. Men vil han nogensinde være i stand til at teste dem selv? Dette er et stykke punkt.

Facebook -meddelelse til EU! Du skal logge ind for at se og sende FB -kommentarer!