Hvad er Emotion AI & Hvorfor er det vigtigt?

Emotion AI, også kendt som affective computing, er en bred vifte af teknologier, der bruges til at lære og fornemme menneskelige emotioner med hjælp af kunstig intelligens (AI). Ved at udnytte tekst, video og audio-data analyserer Emotion AI flere kilder for at fortolke menneskelige signaler. For eksempel:

• Natur-sprogbehandling og sentimental analyse bruges til tekstdata.
• Voice AI bruges til at behandle audio.
• Ansigtsgenkendelse og ganganalyse til videoer.

For nylig oplever Emotion AI en større efterspørgsel på grund af dets mange praktiske anvendelser, der kan reducere afstanden mellem mennesker og maskiner. I virkeligheden viser en rapport fra MarketsandMarkets Research, at markedet for emotionsgenkendelse forventes at overstige $42 milliarder i 2027, sammenlignet med $23,5 milliarder i 2022.

Lad os udforske, hvordan denne fantastiske underkategori af AI fungerer.

Hvordan fungerer Emotion AI?

Ligesom enhver anden AI-teknik har Emotion AI brug for data for at forbedre sin ydeevne og forstå brugernes emotioner. Data varierer fra den ene anvendelsessituation til den anden. For eksempel bruges aktivitet på sociale medier, tale og handlinger i videooptagelser, fysiologiske sensorer i enheder osv. til at forstå publikums emotioner.

Efterfølgende finder processen med funktionelt design sted, hvor relevante funktioner, der påvirker emotioner, identificeres. For ansigtsgenkendelse kan øjenbrynbevægelse, mundform og øjengang bruges til at bestemme, om en person er glad, ked af det eller vred. Ligeså kan tone, lydstyrke og tempo i talebaseret emotionsgenkendelse slutte, om en person er begejstret, frustreret eller kedsommelig.

Senere bliver disse funktioner forarbejdet og brugt til at træne en maskinlæringsalgoritme, der kan nøjagtigt forudsige brugernes emotionelle tilstande. Til sidst deployeres modellen i virkelige anvendelser for at forbedre brugeroplevelsen, øge salget og anbefale passende indhold.

4 vigtige anvendelser af Emotion AI

Virksomheder udnytter Emotion AI-modeller til at bestemme brugernes emotioner og bruge kundskabsfulde indsigt til at forbedre alt fra kundeoplevelsen til markedsføringskampagner. Forskellige brancher udnytter denne AI-teknologi. Således:

1. Reklame

Formålet med at udvikle Emotion AI-drevne løsninger i reklamebranchen er at skabe mere personlige og rige oplevelser for kunder. Ofte hjælper kundernes emotionelle signaler med at udvikle målrettede reklamer og øge engagement og salg.

For eksempel har Affectiva, en Boston-baseret Emotion AI-virksomhed, fanget brugernes data, såsom reaktioner på en bestemt reklame. Senere anvendes AI-modeller til at bestemme, hvad der forårsagede den stærkeste emotionelle reaktion hos seerne. Til sidst indarbejdes disse indsigt i reklamer for at optimere kampagner og øge salget.

2. Callcenter

Indgående og udgående callcenter har altid med kunder at gøre over telefonen for forskellige tjenester og kampagner. Ved at analysere agenternes og kundernes emotioner under samtaler vurderer callcenter agenternes præstationer og kundernes tilfredshed. Desuden anvender agenter Emotion AI til at forstå kundernes humør og kommunikere effektivt.

En førende sundhedsforsikringsudbyder, Humana, har brugt Emotion AI i sine callcenter i lang tid for at håndtere sine kunder effektivt. Med hjælp af en Emotion AI-udstyret digital coach får agenterne i callcenteret besked om at justere deres tone og samtale i overensstemmelse med kunderne i realtid.

3. Mentalt helbred

Ifølge en rapport fra National Institute of Mental Health lever mere end en femtedel af voksne i USA med en mental sygdom. Dette betyder, at millioner af mennesker ikke er selvbevidste om deres emotioner eller ikke er i stand til at håndtere dem. Emotion AI kan hjælpe mennesker med at øge deres selvbevidsthed og lære coping-strategier til at reducere stress.

I dette område har Cogitos platform CompanionMx hjulpet mennesker med at registrere humørændringer. Applikationen registrerer brugernes stemme via deres telefon og udfører analyse for at registrere tegn på angst og humørændringer. Ligeså findes der specialiserede bærbare enheder, der kan registrere brugernes stress, smerte eller frustration gennem deres hjerteslag, blodtryk osv.

4. Bilindustri

Der er omtrent 1,446 milliarder køretøjer registreret i verden. Bilindustrien i USA alene gjorde en omsætning på 1,53 billioner dollars i 2021. Trods at det er en af de største brancher i verden, søger bilindustrien efter forbedring i vejens sikkerhed og reduktion i ulykker for at være bæredygtig. Ifølge en undersøgelse er der 11,7 dødsfald per 100.000 mennesker i bilulykker i USA. Derfor kan Emotion AI anvendes til at reducere forebyggelige ulykker.

Flere applikationer er tilgængelige for at overvåge chaufførens tilstand ved hjælp af sensorer. De kan registrere tegn på stress, frustration eller træthed. Især har Harman Automotive udviklet et Emotion AI-baseret adaptivt køretøjskontrolsystem til at analysere en chaufførs emotionelle tilstand gennem ansigtsgenkendelsesteknologi. Under visse omstændigheder justerer systemet bilens indstillinger for at berolige chaufføren, såsom ved at give beroligende musik eller belysning for at forebygge afledning og ulykker.

Hvorfor er Emotion AI vigtigt?

Psykologen Daniel Goleman forklarede i sin bog “Emotionel Intelligens: Hvorfor det kan være vigtigere end IQ“, at emotionel intelligens (EQ) er vigtigere end intelligenskvotient (IQ). Ifølge ham kan EQ have en større indvirkning på en persons succes i livet end hans IQ. Dette viser, at kontrol over emotioner er nødvendig for at træffe sunde og informerede beslutninger. Da mennesker er tilbøjelige til emotionel bias, der kan påvirke deres rationelle tænkning, kan Emotion AI hjælpe med daglige gøremål ved at udøve bevidst dom og træffe de rigtige valg.

Desuden, på grund af den nuværende teknologiske verden, er brugen af teknologi af mennesker øget globalt. Da mennesker bliver mere forbundne og teknologien fortsætter med at udvikle sig, øges afhængigheden af teknologi til at håndtere alle slags sager. Derfor er kunstig empati afgørende for at gøre interaktioner med mennesker mere personlige og medfølende.

Emotion AI inkorporerer kunstig empati i maskiner for at bygge intelligente produkter, der kan forstå og reagere på menneskelige emotioner effektivt. For eksempel i sundhedssektoren er en applikation udviklet af et forskningsteam på RMIT University. Denne applikation er programmeret til at analysere en persons stemme og registrere, om han lider af Parkinsons sygdom. I spilindustrien anvender udviklere kunstig empati til at skabe livlige karakterer, der reagerer på spillernes emotioner og forbedrer den samlede spilooplevelse.

Selv om fordelene ved Emotion AI er uvurderlige, er der flere udfordringer ved at implementere og skala emotionbaserede applikationer.

Etiske overvejelser og udfordringer med Emotion AI

Emotion AI er i en tidlig fase lige nu. Mange AI-laboratorier er begyndt at udvikle software, der kan genkende menneskelig tale og emotion for at høste praktiske fordele. Da dets udvikling og vækst øges, er flere risici blevet opdaget. Ifølge Accenture er de data, der er nødvendige for at træne sådanne AI-modeller, mere følsomme end anden information. De primære risici med data er følgende:

• Intimitet

  En Emotion AI-model kræver meget dybtgående data om personlige følelser og private adfærd for at træne. Dette betyder, at personens intime tilstand er godt kendt for modellen. Det er muligt, at en Emotion AI-model blot baseret på mikro-udtryk kan forudsige emotioner flere sekunder, før personen selv kan registrere dem. Derfor repræsenterer dette en alvorlig privatlivsproblematik.

• Ugreb

  Data, der er nødvendige for Emotion AI, er ikke så enkelt som andre AI-applikationer. Data, der repræsenterer sindstilstanden, er komplekse. Derfor bliver opkomsten af Emotion AI-drevne applikationer mere vanskelige. Som resultat kræver de høje investeringer i forskning og ressourcer for at opnå frugtbare resultater.

• Uklarhed

  Da komplekse data er nødvendige for Emotion AI, er der en sandsynlighed for misfortolkninger og fejlbehæftede klassificeringer af modeller. At fortolke emotioner er noget, mennesker selv kæmper med, så at overdrage dette til AI kan være risikabelt. Derfor kan modellens resultater være langt fra den virkelige virkelighed.

• Escalation

  I dag har moderne dataingeniør-pipelines og decentraliserede arkitekturer strømlinet modellernes træningsproces betydeligt. Men i tilfældet af Emotion AI kan fejl hurtigt sprede sig og blive vanskelige at korrigere. Disse potentielle fælder kan sprede sig hurtigt gennem systemet og tvinge urigtigheder, hvilket kan påvirke mennesker negativt.

Hvis du er interesseret i at lære mere om nogle spændende fremskridt i teknologi og hvordan de forvandler brancher, kan du besøge Unite.ai.