AI går djupare in i mänskliga känslor

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

Phillip Kragel förklarar neuronnätverk som datormodeller som kan kartlägga indata 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 videokollektionen extraherade de 137 482 bildrutor som delades in i tränings- och testexempel. De var inte bara grundläggande känslor, utan inkluderade många komplexa känslor också. De olika känslomässiga kategorierna inkluderade ångest, förundran, tristess, förvirring, begär, avsmak, empatisk smärta, förtrollning, upphetsning, rädsla, skräck, intresse, glädje, romantik, sorg, sexuellt begär och överraskning.

Modellen kunde upptäcka vissa känslor som begär och sexuellt begär med hög tillförlitlighet, 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 kraftspektrum och närvaron 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 riktiga människor 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 via 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 till i många områden. För det första använder många forskare ofta deltagare som rapporterar om sina egna känslor. Nu kan forskare använda bilden av deltagarens ansikte för att lära sig 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 subjektiva etiketter 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”, sa Phillip Kragel, en annan av forskarna.

Detta nya neuronnätverk är bara en av de nya och spännande utvecklingarna inom artificiell intelligens. Forskare trycker ständigt på denna teknik, och den 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 mest känner till AI som hanterar den fysiska sfären, inklusive muskler, armar och andra delar av kroppen, går vi nu in i den mänskliga psyken med tekniken.