AI rör sig djupare in i mänskliga känslor

Forskare vid University of Colorado och Duke University har utvecklat ett neuralt nätverk för att korrekt avkoda bilder i 11 olika kategorier av mänskliga känslor. I forskargruppen vid universiteten ingick Phillip A. Kragel, Marianne C. Reddan, Kevin S. LaBar och Tor D. Wagner. 

Phillip Kragel förklarar neurala nätverk som datormodeller som kan mappa insignaler till en utgång av intresse genom att lära sig en serie filter. Närhelst ett nätverk tränas för att upptäcka en viss bild eller sak, lär det sig de olika egenskaperna som är unika för det som form, färg och storlek.

Det nya konvolutionella neurala nätverket har fått namnet EmoNet, och det tränades på visuella bilder. Forskargruppen använde en databas som hade 2,185 27 videor och inkluderade 137,482 olika känslokategorier. Från samlingen av videor extraherade de XNUMX XNUMX bildrutor som delades upp i tränings- och testprover. De var inte bara grundläggande känslor, utan de inkluderade många komplexa också. De olika känslokategorierna inkluderade ångest, vördnad, tristess, förvirring, begär, avsky, empatisk smärta, entré, spänning, rädsla, fasa, intresse, glädje, romantik, sorg, sexuell lust och överraskning. 

Modellen kunde upptäcka vissa känslor som begär och sexuell lust med ett högt konfidensintervall, men den hade problem med andra känslor som förvirring och överraskning. För att kategorisera de olika bilderna och känslorna använde det neurala nätverket saker som färg, spatiala kraftspektra och förekomsten av objekt och ansikten i bilderna. 

För att bygga vidare på forskningen och det neurala nätverket 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 till EmoNet-nätverket för att jämföra resultaten mellan de två. 

Vi använder redan vissa appar och program varje dag som läser våra ansikten och uttryck för saker som ansiktsigenkänning, fotomanipulation genom AI och för att låsa upp våra smartphones. Denna nya utveckling tar det mycket längre med möjligheten att inte bara läsa ett ansikts fysiska drag, utan nu att läsa en persons känslor och känslor genom deras ansikten. Det är en spännande men också oroande utveckling då integritetsproblem säkert kommer att uppstå. Vi oroar oss redan för ansiktsigenkänning och vad som kan hända med den informationen. 

Bortsett från den farliga potentialen när det gäller integritetsproblem, kan denna nya tekniska utveckling hjälpa på många områden. För det första förlitar sig många forskare ofta på att deltagarna rapporterar om sina egna känslor. Nu kan forskare använda bilden av den deltagarens ansikte för att lära sig sina känslor. Detta kommer att minska felen i forskningen och data. 

"När det gäller att mäta känslor är vi vanligtvis fortfarande begränsade till att bara fråga folk hur de känner", säger Tor Wagner, en av forskarna i teamet. "Vårt arbete kan hjälpa oss att leda oss mot direkta mått på känslor - relaterade hjärnprocesser." 

Denna nya forskning kan också hjälpa till att överföra etiketter för mental hälsa som "ångest" till hjärnprocesser. 

"Att gå bort från subjektiva etiketter som "ångest" och "depression" mot hjärnprocesser kan leda till nya mål för terapier, behandlingar och interventioner." sade Phillip Kragel, en annan av forskarna. 

Detta nya neurala nätverk är bara en av de nya och spännande utvecklingarna inom artificiell intelligens. Forskare driver ständigt denna teknik vidare, och den kommer att få genomslag i alla områden av våra liv. Den nya utvecklingen inom AI tar det djupare in i de olika områdena av mänskligt beteende och känslor. Medan vi mest känner till AI som handlar i det fysiska området inklusive muskler, armar och andra delar av kroppen, går vi nu in i det mänskliga psyket med tekniken.