AI går dyptere inn i menneskelige emosjoner

Forskere ved University of Colorado og Duke University har utviklet et nevralt nettverk for å dekodere bilder til 11 forskjellige menneskelige emosjonskategorier. Forskergruppen bestod av Phillip A. Kragel, Marianne C. Reddan, Kevin S. LaBar og Tor D. Wagner.

Phillip Kragel forklarer nevrale nettverk som datamodeller som kan kartlegge inndata-signaler til en ønsket utdata ved å lære en rekke filtre. Når et nettverk er trent for å gjenkjenne et bestemt bilde eller gjenstand, lærer det de forskjellige egenskapene som er unike for den, som form, farge og størrelse.

Det nye konvolusjonsnevrale nettverket har fått navnet EmoNet, og det ble trent på visuelle bilder. Forskergruppen brukte en database som hadde 2 185 videoer og inkluderte 27 forskjellige emosjonskategorier. Fra videoenes samling, ekstraherte de 137 482 ruter som ble delt inn i trenings- og testeksempler. De var ikke bare grunnleggende emosjoner, men inkluderte også mange komplekse emosjoner. De forskjellige emosjonskategoriene inkluderte angst, beundring, kjedsomhet, forvirring, begjær, avsky, medfølende smerte, henrykkelse, spenning, frykt, skrekk, interesse, glede, romanse, sorg, seksuell begjær og overraskelse.

Modellen kunne gjenkjenne noen emosjoner som begjær og seksuell begjær med høy konfidensintervall, men hadde problemer med andre emosjoner som forvirring og overraskelse. For å kategorisere de forskjellige bildene og emosjonene, brukte nevralt nettverk ting som farge, romlige kraftspektra og tilstedeværelse av objekter og ansikter i bildene.

For å bygge videre på forskningen og det nevrale nettverket, studerte teamet 18 forskjellige mennesker og deres hjerneaktivitet etter å ha vist dem 112 forskjellige bilder. Etter å ha vist de virkelige menneskene bildene, viste forskerne de samme bildene til EmoNet-nettverket for å sammenligne resultater mellom de to.

Vi bruker allerede visse apper og programmer hver dag som leser ansikter og uttrykk for ting som ansiktsgjenkjenning, fotomanipulasjon gjennom AI og for å låse opp våre smarttelefoner. Denne nye utviklingen tar det mye lengre med muligheten til ikke bare å lese et ansikts fysiske egenskaper, men nå også å lese en persons emosjoner og følelser gjennom ansiktet. Det er en spennende, men også bekymringsverdig utvikling, da privatlivsproblemer uten tvil vil oppstå. Vi bekymrer oss allerede for ansiktsgjenkjenning og hva som kan skje med den dataen.

Bortsett fra den farlige potensialet med hensyn til privatlivsproblemer, kan denne nye teknologiske utviklingen hjelpe i mange områder. For det første, så er mange forskere avhengige av deltakere som rapporterer om sine egne emosjoner. Nå kan forskerne bruke bildet av deltakerens ansikt for å lære om deres emosjoner. Dette vil redusere feilene i forskningen og dataene.

“Når det kommer til å måle emosjoner, er vi vanligvis fortsatt begrenset til å spørre folk hvordan de føler seg,” sa Tor Wagner, en av forskerne på teamet. “Vårt arbeid kan hjelpe oss å gå mot direkte målinger av emosjonsrelaterte hjerneprosesser.”

Denne nye forskningen kan også hjelpe med å gå over fra psykiske helse-etiketter som “angst” til hjerneprosesser.

“Å gå bort fra subjektive etiketter som ‘angst’ og ‘depresjon’ mot hjerneprosesser, kan føre til nye mål for terapier, behandlinger og inngrep,” sa Phillip Kragel, en annen av forskerne.

Dette nye nevrale nettverket er bare ett av de nye og spennende utviklingene i kunstig intelligens. Forskere presses denne teknologien videre hele tiden, og det vil ha en innvirkning på alle områder av våre liv. De nye utviklingene i AI tar det dyptere inn i de forskjellige områdene av menneskelig atferd og emosjon. Mens vi hovedsakelig kjenner AI som håndterer den fysiske verden, inkludert muskler, armer og andre deler av kroppen, går vi nå inn i den menneskelige psyken med teknologien.