AI fördjupar sig i mänskliga känslor

Forskare vid University of Colorado och Duke University har utvecklat ett neuronnätverk för att exakt avkoda bilder till 11 olika mänskliga känslomässiga kategorier. Forskarteamet vid universiteten inkluderade Phillip A. Kragel, Marianne C. Reddan, Kevin S. LaBar och Tor D. Wagner. 

Phillip Kragel förklarar neuronnätverk som datormodeller som kan mappa inmatningssignaler till en önskad utdata genom att lära sig en serie filter. När ett nätverk tränas för att upptäcka en viss bild eller sak, lär det sig de olika funktioner som är unika för den, som form, färg och storlek.

Det nya konvolutionsneuronnätverket har fått namnet EmoNet, och det har tränats på visuella bilder. Forskarteamet använde en databas som innehöll 2 185 videor och 27 olika känslomässiga kategorier. Från videofilmssamlingen extraherade de 137 482 ramar som delades in i tränings- och testexempel. De var inte bara grundläggande känslor, utan inkluderade också många komplexa. De olika känslomässiga kategorierna inkluderade ångest, förundran, tristess, förvirring, begär, avsmak, empatisk smärta, förtrollning, upphetsning, rädsla, fasa, intresse, glädje, romance, sorg, sexuellt begär och överraskning. 

Modellen kunde upptäcka vissa känslor som begär och sexuellt begär med ett högt konfidensintervall, men den hade svårt med andra känslor som förvirring och överraskning. För att kategorisera de olika bilderna och känslorna använde neuronnätverket saker som färg, rumslig effektspektrum och förekomsten av föremål och ansikten i bilderna. 

För att bygga vidare på forskningen och neuronnätverket studerade teamet 18 olika människor och deras hjärnaktivitet efter att ha visat dem 112 olika bilder. Efter att ha visat de riktiga människorna bilderna visade forskarna samma bilder för EmoNet-nätverket för att jämföra resultaten mellan de två. 

Vi använder redan vissa appar och program varje dag som läser av våra ansikten och uttryck för saker som ansiktsigenkänning, fotomanipulering via AI och för att låsa upp våra smartphones. Denna nya utveckling tar det mycket längre med möjligheten att inte bara läsa av ett ansiktes fysiska egenskaper, utan nu också läsa en persons känslor och känslor genom deras ansikten. Det är en spännande men också oroande utveckling eftersom integritetsproblem säkert kommer att uppstå. Vi är redan oroliga för ansiktsigenkänning och vad som kan hända med den datan. 

Bortsett från den farliga potentialen när det gäller integritetsproblem kan denna nya tekniska utveckling hjälpa i många områden. För det första är många forskare beroende av att deltagare rapporterar om sina egna känslor. Nu kan forskare använda bilden av deltagarens ansikte för att lära känna deras känslor. Detta kommer att minska felen i forskningen och datan. 

“När det gäller att mäta känslor är vi fortfarande begränsade till att fråga människor hur de känner”, sa Tor Wagner, en av forskarna i teamet. “Vårt arbete kan hjälpa oss att gå mot direkt mätning av känslor – relaterade hjärnprocesser.” 

Denna nya forskning kan också hjälpa till att gå från mentala hälsomärken som “ångest” till hjärnprocesser. 

“Att gå bort från subjektiva märken som ‘ångest’ och ‘depression’ mot hjärnprocesser kan leda till nya mål för terapier, behandlingar och interventioner”, sa Phillip Kragel, en av forskarna. 

Detta nya neuronnätverk är bara en av de nya och spännande utvecklingarna inom artificiell intelligens. Forskare driver ständigt denna teknik vidare, och det kommer att ha en inverkan på alla områden i våra liv. De nya utvecklingarna inom AI tar det djupare in i de olika områdena av mänskligt beteende och känslor. Medan vi främst känner till AI som hanterar det fysiska området, inklusive muskler, armar och andra kroppsdelar, går vi nu in i den mänskliga psyken med tekniken.