Tekoäly syventyy ihmisen tunteisiin

Coloradon yliopiston ja Duke-yliopiston tutkijat ovat kehittäneet neuroverkon, joka pystyy tarkasti koodaamaan kuvat 11:een eri ihmisen tunteen kategoriaan. Tutkimusryhmään kuului Phillip A. Kragel, Marianne C. Reddan, Kevin S. LaBar ja Tor D. Wagner.

Phillip Kragel selittää neuroverkkoja tietokoneohjelmoina, jotka pystyvät kartoittamaan syötteen signaaleja haluttuun tulokseen oppimalla sarjan suodattimia. Kun verkko koulutetaan havaitsemaan tietty kuva tai asia, se oppii eri ominaisuuksia, jotka ovat sille yksilöllisiä, kuten muoto, väri ja koko.

Uusi konvoluutio-neuroverkko on nimetty EmoNetiksi, ja se on koulutettu visuaalisilla kuvilla. Tutkimusryhmä käytti tietokantaa, jossa oli 2 185 videota ja 27 eri tunteen kategoriaa. Videokokoelmasta he poistivat 137 482 kehyksen, jotka jaettiin koulutus- ja testinäytteiksi. Nämä eivät olleet pelkästään perustunteita, vaan niissä oli myös monia monimutkaisia tunteita. Eri tunteiden kategoriat sisälsivät ahdistuksen, hämmästelyn, boredouden, hämmennystä, himoa, inhoa, myötätuntoista tuskaa, lumoutta, jännitystä, pelkoa, kauhua, kiinnostusta, iloa, romantiikkaa, surua, seksuaalista himoa ja yllätystä.

Malli pystyi havaitsemaan joitakin tunteita, kuten himoa ja seksuaalista himoa, korkealla luottamusväliajalla, mutta se kärsi muista tunteista, kuten hämmennystä ja yllätystä. Erilaisten kuvien ja tunteiden luokitteluun neuroverkko käytti asioita, kuten väriä, spatiaalista voimaa, ja esineiden ja kasvojen läsnäoloa kuvissa.

Tutkimuksen ja neuroverkon kehittämiseksi tiimin tutkijat tutkivat 18 eri ihmistä ja heidän aivotoimintaaan näytettäessä heille 112 eri kuvaa. Näytettyään kuvat oikeille ihmisille tutkijat näyttivät samat kuvat EmoNet-verkolle vertaamaan tuloksia kahden välillä.

Käytämme jo tiettyjä sovelluksia ja ohjelmia päivittäin, jotka lukevat kasvojemme ja ilmeitämme asioita varten, kuten kasvontunnistusta, valokuvamanipulaatiota tekoälyllä ja puhelinten lukituksen avaamista. Tämä uusi kehitys vie sen paljon pidemmälle mahdollisuudella lukemalla kasvojen fyysisiä ominaisuuksia, mutta nyt myös lukemalla henkilön tunteita ja tunteita heidän kasvoistaan. Se on jännittävä, mutta myös huolestuttava kehitys, koska yksityisyyden suojelun ongelmat varmasti nousevat esiin. Olemme jo huolissamme kasvontunnistuksesta ja siitä, mitä voidaan tehdä sen avulla kerättyjen tietojen kanssa.

Lisäksi vaarallisen potentiaalin osalta yksityisyyden suojelun suhteen tämä uusi teknologinen kehitys voi auttaa monilla aloilla. Tutkijat voivat esimerkiksi käyttää osallistujien kasvojen kuvaa oppiakseen heidän tunteistaan. Tämä vähentää virheitä tutkimuksessa ja tiedoissa.

“Tunteiden mittaamisessa meillä on yleensä edelleen rajoituksia, jotka perustuvat siihen, mitä ihmiset kertovat tunteistaan”, sanoi Tor Wagner, yksi tutkimusryhmän jäsenistä. “Työmme voi auttaa meitä siirtymään suoraan tunteisiin liittyvien aivoprosessien mittaamiseen.”

Tämä uusi tutkimus voi myös auttaa siirtymään mielenterveyden diagnooseja, kuten “ahdistus”, aivoprosesseihin.

“Siirtymällä subjektiivisista diagnooseista, kuten ‘ahdistus’ ja ‘masennus’, aivoprosesseihin voidaan löytää uusia kohteita lääkkeille, hoitojen ja interventioiden kehittämiseksi”, sanoi Phillip Kragel, toinen tutkimusryhmän jäsenistä.

Tämä uusi neuroverkko on vain yksi uusista ja jännittävistä kehityksistä tekoälyssä. Tutkijat pyrkivät jatkuvasti kehittämään tätä teknologiaa, ja se vaikuttaa jokaisella elämän alueella. Tekoälyn uudet kehitysaskeleet vievät sitä syvemmälle ihmisen käyttäytymisen ja tunteiden eri aloille. Vaikka tiedämme tekoälystä pääasiassa fyysisen maailman, kuten lihasten, käsien ja muiden kehon osien parissa, siirrymme nyt ihmisen psyykeen teknologian avulla.