Штучний інтелект проникає глибше в людські емоції

Дослідники університету Колорадо та університету Дьюка розробили нейронну мережу для точного декодування зображень у 11 різних категорій людських емоцій. До команди дослідників увійшли Філіп А. Крагел, Маріанна С. Реддан, Кевін С. ЛаБар та Тор Д. Вагнер.

Філіп Крагел пояснює нейронні мережі як комп’ютерні моделі, які можуть відображати вхідні сигнали на виході інтересу, вивчаючи серію фільтрів. Кожна мережа, яку тренують для виявлення певного зображення або речі, вчиться особливим ознакам, які є унікальними для неї, як форма, колір і розмір.

Нову卷вальну нейронну мережу назвали EmoNet, і її тренували на візуальних зображеннях. Команда дослідників використала базу даних, яка мала 2 185 відео та включала 27 різних категорій емоцій. З цієї колекції відео вони витягли 137 482 кадри, які були розділені на навчальні та тестові зразки. Це були не тільки базові емоції, а й багато складних. Різні категорії емоцій включали тривогу, здивування, нудоту, плутаність, бажання, відразу, співчуття, захоплення, піднесення, страх, жах, інтерес, радість, романтику, смуток, статеве бажання та здивування.

Модель могла виявити деякі емоції, такі як бажання та статеве бажання, з високим інтервалом довіри, але мала труднощі з іншими емоціями, такими як плутаність та здивування. Для категоризації різних зображень та емоцій нейронна мережа використовувала такі речі, як колір, просторові спектри потужності, наявність об’єктів та обличчя на зображеннях.

Для розширення досліджень та нейронної мережі команда вивчила 18 різних людей та їхню мозкову активність після показу їм 112 різних зображень. Після показу справжнім людям зображень дослідники показали ті самі зображення мережі EmoNet, щоб порівняти результати між ними.

Ми вже використовуємо певні програми та додатки щодня, які читають наші обличчя та вирази для таких речей, як розпізнавання обличчя, маніпуляція зображеннями за допомогою штучного інтелекту та розблокування наших смартфонів. Цей новий розвиток веде це значно далі з можливістю читання не тільки фізичних особливостей обличчя, але тепер і читання емоцій та почуттів людини через її обличчя. Це цікавий, але також занепокійливий розвиток, оскільки питання конфіденційності, безумовно, виникнуть. Ми вже турбуємося про розпізнавання обличчя та те, що може статися з цими даними.

Поза небезпечним потенціалом щодо питань конфіденційності, цей новий технологічний розвиток може допомогти у багатьох областях. По-перше, багато дослідників часто покладаються на те, що учасники повідомляють про свої емоції самостійно. Тепер дослідники можуть використовувати зображення обличчя учасника, щоб дізнатися про його емоції. Це зменшить помилки у дослідженнях та даних.

«Коли мова йде про вимірювання емоцій, ми все ще обмежені лише питанням людей, як вони почувають себе», — сказав Тор Вагнер, один з дослідників команди. «Наша робота може допомогти нам рухатися до прямого вимірювання емоцій — пов’язаних з мозковими процесами».

Цей новий дослідницький розвиток також може допомогти перейти від суб’єктивних міток, таких як «тривога», до мозкових процесів.

«Відхід від суб’єктивних міток, таких як «тривога» та «депресія», до мозкових процесів може привести до нових цілей для терапевтичних засобів, лікування та втручань», — сказав Філіп Крагел, інший дослідник.

Ця нова нейронна мережа — лише один з нових та цікавих розробок у сфері штучного інтелекту. Дослідники постійно просунуть цю технологію далі, і вона зробить вплив на кожну область нашого життя. Нові розробки у сфері штучного інтелекту ведуть його глибше у різні області людської поведінки та емоцій. Хоча ми переважно знаємо про штучний інтелект, який займається фізичною сферою, включаючи м’язи, руки та інші частини тіла, ми тепер проникаємо у людську психіку за допомогою цієї технології.