AI virzās dziļāk cilvēka emocijās

Kolorādo universitātes un Djūka universitātes pētnieki ir izstrādājuši neironu tīklu, lai precīzi atšifrētu attēlus 11 dažādās cilvēka emociju kategorijās. Pētnieku komandā universitātēs bija Filips A. Kragels, Marianna K. Reddana, Kevins S. LaBars un Tors D. Vāgners. 

Filips Kragels skaidro neironu tīklus kā datoru modeļus, kas spēj kartēt ieejas signālus uz interesējošo izvadi, apgūstot filtru sēriju. Ikreiz, kad tīkls ir apmācīts noteikt noteiktu attēlu vai lietu, tas apgūst dažādas tam raksturīgās funkcijas, piemēram, formu, krāsu un izmēru.

Jaunais konvolucionālais neironu tīkls ir nosaukts par EmoNet, un tas tika apmācīts vizuālos attēlos. Pētnieku komanda izmantoja datubāzi, kurā bija 2,185 videoklipi un 27 dažādas emociju kategorijas. No videoklipu kolekcijas viņi izvilka 137,482 XNUMX kadrus, kas tika sadalīti apmācības un pārbaudes paraugos. Tās nebija tikai pamata emocijas, bet arī daudzas sarežģītas. Dažādās emociju kategorijās ietilpa trauksme, bijība, garlaicība, apjukums, alkas, riebums, empātiskas sāpes, aizrautība, satraukums, bailes, šausmas, interese, prieks, romantika, skumjas, seksuālā vēlme un pārsteigums. 

Modele spēja atklāt dažas emocijas, piemēram, tieksmi un seksuālo vēlmi ar augstu ticamības intervālu, taču tai bija problēmas ar citām emocijām, piemēram, apjukumu un pārsteigumu. Lai klasificētu dažādus attēlus un emocijas, neironu tīkls izmantoja tādas lietas kā krāsa, telpiskās jaudas spektri un objektu un seju klātbūtne attēlos. 

Lai balstītos uz pētījumu un neironu tīklu, komanda pētīja 18 dažādus cilvēkus un viņu smadzeņu darbību pēc 112 dažādu attēlu parādīšanas. Pēc attēlu parādīšanas reāliem cilvēkiem pētnieki tos pašus parādīja EmoNet tīklam, lai salīdzinātu abus rezultātus. 

Mēs jau katru dienu izmantojam noteiktas lietotnes un programmas, kas nolasa mūsu sejas un izteiksmes, piemēram, sejas atpazīšanai, fotoattēlu manipulācijām, izmantojot AI, un viedtālruņu atbloķēšanai. Šī jaunā attīstība ļauj ne tikai nolasīt sejas fiziskos vaibstus, bet arī tagad lasīt cilvēka emocijas un jūtas caur viņu sejām. Tā ir aizraujoša, bet arī satraucoša attīstība, jo noteikti radīsies bažas par privātumu. Mēs jau uztraucamies par sejas atpazīšanu un to, kas var notikt ar šiem datiem. 

Papildus bīstamajam potenciālam saistībā ar privātuma problēmām šī jaunā tehnoloģiskā attīstība var palīdzēt daudzās jomās. Pirmkārt, daudzi pētnieki bieži paļaujas uz to, ka dalībnieki ziņo par savām emocijām. Tagad pētnieki var izmantot šī dalībnieka sejas attēlu, lai uzzinātu savas emocijas. Tas samazinās kļūdas pētījumos un datos. 

"Runājot par emociju mērīšanu, mēs parasti aprobežojamies tikai ar to, lai jautātu cilvēkiem, kā viņi jūtas," sacīja Tors Vāgners, viens no komandas pētniekiem. "Mūsu darbs var palīdzēt virzīt mūs uz tiešiem emociju mēriem, kas saistīti ar smadzeņu procesiem." 

Šis jaunais pētījums var arī palīdzēt pāriet uz smadzeņu procesiem garīgās veselības marķējumus, piemēram, "trauksmi". 

"Atkāpjoties no tādām subjektīvām iezīmēm kā "trauksme" un "depresija" uz smadzeņu procesiem, var rasties jauni terapijas, ārstēšanas un iejaukšanās mērķi." teica Filips Kragels, vēl viens no pētniekiem. 

Šis jaunais neironu tīkls ir tikai viens no jaunajiem un aizraujošajiem notikumiem mākslīgā intelekta jomā. Pētnieki pastāvīgi virza šo tehnoloģiju tālāk, un tā ietekmēs katru mūsu dzīves jomu. Jaunie AI notikumi padziļina to dažādās cilvēka uzvedības un emociju jomās. Lai gan mēs lielākoties zinām, ka mākslīgais intelekts nodarbojas ar fizisko jomu, tostarp muskuļiem, rokām un citām ķermeņa daļām, mēs tagad iedziļināmies cilvēka psihē ar tehnoloģiju palīdzību.