AI bevæger sig dybere ind i menneskelige følelser

Forskere ved University of Colorado og Duke University har udviklet et neuralt netværk til at afkode billeder til 11 forskellige menneskelige følelseskategorier. Forskerholdet på universiteterne inkluderede Phillip A. Kragel, Marianne C. Reddan, Kevin S. LaBar og Tor D. Wagner.

Phillip Kragel forklarer neurale netværk som computermodeller, der kan kortlægge indgangssignaler til en udgangsværdi af interesse ved at lære en række filtre. Når et netværk trænes til at registrere et bestemt billede eller noget, lærer det de forskellige funktioner, der er unikke for det, som fx form, farve og størrelse.

Det nye convolutionelle neurale netværk er blevet navngivet EmoNet, og det er blevet trænet på visuelle billeder. Forskerholdet brugte en database, der havde 2.185 videoer og inkluderede 27 forskellige følelseskategorier. Fra video-samlingen udtrækede de 137.482 billeder, der blev inddelt i trænings- og testeksempler. De var ikke kun grundlæggende følelser, men inkluderede også mange komplekse følelser. De forskellige følelseskategorier inkluderede angst, beundring, kedsomhed, forvirring, begær, afsky, medfølende smerte, henrykkelse, ophidselse, frygt, rædsel, interesse, glæde, romance, sorg, seksuel begær og overraskelse.

Modellen kunne registrere nogle følelser som begær og seksuel begær med høj tillid, men havde svært ved andre følelser som forvirring og overraskelse. For at kategorisere de forskellige billeder og følelser brugte neuralt netværk ting som farve, rumlige kraftspektre og tilstedeværelse af objekter og ansigter i billederne.

For at bygge videre på forskningen og neuralt netværk studerede holdet 18 forskellige mennesker og deres hjernens aktivitet efter at have vist dem 112 forskellige billeder. Efter at have vist de rigtige mennesker billederne, viste forskerne de samme billeder til EmoNet-netværket for at sammenligne resultaterne mellem de to.

Vi bruger allerede visse apps og programmer hver dag, der læser vores ansigter og udtryk til ting som ansigtsgenkendelse, fotomanipulation gennem AI og til at låse op for vores smartphones. Denne nye udvikling tager det meget længere med muligheden for ikke kun at læse en persons fysisk udseende, men nu også at læse en persons følelser og følelser gennem deres ansigter. Det er en spændende, men også bekymrende udvikling, da bekymringer om privatlivets fred vil opstå. Vi bekymrer os allerede om ansigtsgenkendelse og hvad der kan ske med den data.

Ud over den farlige potentiale med hensyn til privatlivets bekymringer kan denne nye teknologiske udvikling hjælpe på mange områder. For det første afhænger mange forskere ofte af, at deltagere selv rapporterer om deres egne følelser. Nu kan forskere bruge billedet af deltagernes ansigter til at lære om deres følelser. Dette vil reducere fejlene i forskningen og data.

“Når det kommer til at måle følelser, er vi typisk stadig begrænsede til kun at spørge folk, hvordan de har det,” sagde Tor Wagner, en af forskerne på holdet. “Vores arbejde kan hjælpe os med at gå over til direkte målinger af følelsesrelaterede hjerneprocesser.”

Denne nye forskning kan også hjælpe med at omdanne psykiske sundheds-etiketter som “angst” til hjerneprocesser.

“At gå væk fra subjektive etiketter som ‘angst’ og ‘depression’ mod hjerneprocesser kan føre til nye mål for terapi, behandlinger og interventioner,” sagde Phillip Kragel, en anden af forskerne.

Detne neurale netværk er kun en af de nye og spændende udviklinger inden for kunstig intelligens. Forskere er konstant ved at udvikle denne teknologi yderligere, og det vil have en indvirkning på alle områder af vores liv. De nye udviklinger inden for AI tager det dybere ind i de forskellige områder af menneskeligt adfærd og følelse. Mens vi mest kendte AI som noget, der handler om det fysiske område, herunder muskler, arme og andre dele af kroppen, er vi nu ved at gå ind i den menneskelige psyke med teknologien.