Når Vil Kunstig Intelligens Begynne å Forstå Menneskelige Følelser? - Alternativ Visning

Innholdsfortegnelse:

Når Vil Kunstig Intelligens Begynne å Forstå Menneskelige Følelser? - Alternativ Visning
Når Vil Kunstig Intelligens Begynne å Forstå Menneskelige Følelser? - Alternativ Visning

Video: Når Vil Kunstig Intelligens Begynne å Forstå Menneskelige Følelser? - Alternativ Visning

Video: Når Vil Kunstig Intelligens Begynne å Forstå Menneskelige Følelser? - Alternativ Visning
Video: Kunstig Intelligens - Behandling af sygdomme 2024, April
Anonim

Vil du stole på en robot hvis det var legen din? Emosjonelle intelligente maskiner er kanskje ikke så langt fra oss som de ser ut. I løpet av de siste tiårene har kunstig intelligens dramatisk økt evnen til å lese folks emosjonelle responser.

Men å lese følelser betyr ikke å forstå dem. Hvis AI ikke selv kan oppleve dem, vil den noen gang kunne forstå oss fullt ut? Og hvis ikke, risikerer vi å tilskrive egenskaper til roboter som de ikke har?

Den siste generasjonen kunstig intelligens takker allerede for veksten i mengden data datamaskiner kan lære av, samt for økningen i prosessorkraft. Disse maskinene forbedres gradvis i saker som vi vanligvis bare ga personer til utførelse.

Image
Image

I dag kan kunstig intelligens blant annet gjenkjenne ansikter, gjøre skisser av ansikter til fotografier, gjenkjenne tale og spille Go.

Å identifisere kriminelle

For ikke så lenge siden utviklet forskere kunstig intelligens som kan fortelle om en person er en kriminell bare ved å se på ansiktsegenskapene sine. Systemet ble evaluert ved hjelp av en database med kinesiske fotografier, og resultatene var ganske enkelt fantastiske. AI klassifiserte feilaktige uskyldige mennesker som kriminelle i bare 6% av tilfellene og identifiserte 83% av kriminelle med hell. Den generelle nøyaktigheten var nesten 90%.

Salgsfremmende video:

Dette systemet er basert på en tilnærming kalt "dyp læring" som har vist seg vellykket i for eksempel ansiktsgjenkjenning. Dyp læring kombinert med en "ansiktsrotasjonsmodell" tillot kunstig intelligens å avgjøre om to fotografier representerer den samme persons ansikt, selv om belysningen eller vinkelen endres.

Dyp læring skaper et "nevralt nettverk" som er basert på tilnærmingen av den menneskelige hjernen. Den består av hundretusener av nevroner organisert i forskjellige lag. Hvert lag tar inndata, for eksempel et ansiktsbilde, til et høyere abstraksjonsnivå, for eksempel et sett med kanter i bestemte retninger og steder. Og den fremhever automatisk funksjonene som er mest relevante for utførelsen av en bestemt oppgave.

Gitt suksessen med dyp læring, er det ikke overraskende at kunstige nevrale nettverk kan skille kriminelle fra uskyldige - hvis det faktisk er ansiktsfunksjoner som skiller seg mellom de to. Studien gjorde det mulig å skille tre trekk. Den ene er vinkelen mellom nesespissen og munnvikene, som i gjennomsnitt er 19,6% mindre for kriminelle. Krumningen på overleppen er også i gjennomsnitt 23,4% større for kriminelle, og avstanden mellom øynene i øynene er i gjennomsnitt 5,6% smalere.

Ved første øyekast antyder denne analysen at det utdaterte synet på at kriminelle kan identifiseres ved fysiske attributter ikke er så galt. Dette er imidlertid ikke hele historien. Bemerkelsesverdig er at de to mest aktuelle trekkene er assosiert med leppene, og dette er våre mest uttrykksfulle ansiktsfunksjoner. Fotografiene av de kriminelle som ble brukt i studien krever et nøytralt ansiktsuttrykk, men AI klarte likevel å finne skjulte følelser i disse fotografiene. Kanskje så ubetydelig at folk ikke kan oppdage dem.

Image
Image

Det er vanskelig å motstå fristelsen til å se på eksempler på bilder selv - her er de. Dokumentet er fortsatt under gjennomgang. Nær undersøkelse viser et lite smil på fotografiene av den uskyldige. Men det er ikke mange fotografier i prøvene, så det er umulig å trekke konklusjoner om hele databasen.

Kraften til affektiv databehandling

Dette er ikke første gang en datamaskin har kunnet gjenkjenne menneskelige følelser. Det såkalte området "affektiv databehandling" eller "emosjonell databehandling" har eksistert i lang tid. Det antas at hvis vi ønsker å leve komfortabelt og samhandle med roboter, må disse maskinene være i stand til å forstå og reagere på menneskelige følelser. Mulighetene i dette området er ganske omfattende.

For eksempel brukte forskerne ansiktsanalyse for å identifisere studenter som har vanskeligheter med datamaskinbasert undervisningstimer. AI har blitt lært opp til å gjenkjenne forskjellige nivåer av engasjement og frustrasjon, slik at systemet kan forstå når studentene finner jobber for enkle eller for kompliserte. Denne teknologien kan være nyttig for å forbedre læringsopplevelsen på online plattformer.

Sony prøver å utvikle en robot som kan danne emosjonelle bånd med mennesker. Det er ennå ikke helt klart hvordan hun skulle oppnå dette, eller hva roboten vil gjøre. Imidlertid sier selskapet at det prøver å "integrere maskinvare og tjenester for å gi en følelsesmessig sammenlignbar opplevelse."

Emosjonell kunstig intelligens vil ha en rekke potensielle fordeler, det være seg samtalepartnerens eller utøverens rolle - den vil kunne identifisere den kriminelle og snakke om behandlingen.

Det er også etiske bekymringer og risikoer. Ville det være riktig å la en pasient med demens stole på en AI-følgesvenn og fortelle dem at de er følelsesmessig i live når de ikke er det? Kan du legge en person bak stolpene hvis AI sier at han er skyldig? Selvfølgelig ikke. Kunstig intelligens vil for det første ikke være en dommer, men en etterforsker, som identifiserer "mistenkelige", men absolutt ikke skyldige mennesker.

Subjektive ting som følelser og følelser er vanskelig å forklare for kunstig intelligens, delvis fordi AI ikke har tilgang til gode nok data til å analysere det objektivt. Vil AI noen gang forstå sarkasme? En setning kan være sarkastisk i en sammenheng og helt annen i en annen.

I alle fall fortsetter datamengden og prosessorkraften å vokse. Med noen få unntak kan AI godt lære å gjenkjenne forskjellige typer følelser i løpet av de neste tiårene. Men kunne han noen gang oppleve dem selv? Det er et viktig poeng.

ILYA KHEL

Anbefalt: