AI tērzēšanas robotu straujais pieaugums gandrīz vienādos pasākumos ir radījis ētiskas bažas, satraukumu un bažas par nodarbinātību. Bet vai likmes atkal tiks paaugstinātas?

Ja šiem instrumentiem ir Ahileja papēdis, tā ir nespēja atbildēs ņemt vērā cilvēka emocijas. Tomēr, ņemot vērā progresu "emocionālā AI" jomā, iespējams, ka mēs esam liecinieki vēl vienam milzīgam lēcienam uz priekšu AI tehnoloģijā.

Emocionāla problēma

Cilvēka emociju izpratne var būt sarežģīta pat cilvēkiem. Neskatoties uz to, ka mēs to sākam mācīties jau piedzimstot, mēs joprojām bieži varam nepareizi saprast citu emocijas. Apmācīt mašīnas prasmēs, kuras cilvēki nav apguvuši, ir milzīgs izaicinājums.

Tomēr emociju AI joma, kas pazīstama arī kā afektīvā skaitļošana, sper ievērojamus panākumus. Lai saprastu, kā darbojas emocionālais AI, ir svarīgi to salīdzināt ar to, kā cilvēki interpretē citu emocijas. Procesu var iedalīt trīs galvenajās jomās:

  • Sejas izteiksmes/manierisms: Ir acīmredzams, ka kāds staro kā Češīras kaķis. Bet kā ar asarām? Tās varētu būt prieka vai skumju asaras. Pēc tam ir smalkumi un īslaicīgi izteicieni, kurus mēs tik tikko pamanām, bet sniedzam jums zemapziņas norādes par citu emocijām.
    instagram viewer
  • Ķermeņa valoda: Šeit atkal ir daudz norādes, ko cilvēki izmanto gandrīz zemapziņas līmenī, lai noteiktu emocionālos stāvokļus.
  • Balss locīšana: Balss tonis un locījums var būt spēcīgs emocionālā stāvokļa rādītājs. Piemēram, atšķirību starp prieku un dusmām atpazīšana bieži vien slēpjas niansēs, kā kaut kas tiek pateikts.

Cilvēka emociju nianses ir vieta, kur rodas izaicinājumi. Lai risinātu šīs problēmas, emociju AI izmanto dažādas metodes.

Kā darbojas emociju AI?

Līdzīgi kā AI tērzēšanas roboti milzīgas datu bāzes, ko sauc par lielajiem valodu modeļiem (LLM), lai radītu atbildes, emocionālais AI paļaujas arī uz masveida datu kopu. Galvenā atšķirība ir datu formā.

1. darbība: datu vākšana

Emocionālie AI "modeļi" apkopo datus no dažādiem avotiem. Tāpat kā LLM, teksts veido daļu no modeļa. Taču emocionālie AI modeļi izmanto arī citus datu veidus, tostarp:

  • Balss dati: tas var būt no ierakstītiem klientu apkalpošanas zvaniem vai video, cita starpā.
  • Sejas izteiksmes: šos datus var iegūt no dažādiem avotiem. Viens izplatīts veids ir ierakstīt brīvprātīgo izteiksmes, izmantojot uzņemtu tālruņa video.
  • Fizioloģiskie dati: Lai noteiktu brīvprātīgo dalībnieku emocionālo stāvokli, var izmērīt tādus rādītājus kā sirdsdarbība un ķermeņa temperatūra.

Pēc tam savāktos datus var izmantot cilvēka emocionālo stāvokļu noteikšanai. Ir vērts atzīmēt, ka ne visi emocionālie AI modeļi izmantos viena veida datus. Piemēram, zvanu centrs vizuāli un fizioloģiskie dati būs maz izmantojami. Savukārt veselības aprūpē fizioloģisko datu iekļaušana ir neticami noderīga.

2. solis: emocionālā atpazīšana

Tas, kā dati tiek izmantoti, lai izprastu emocionālos stāvokļus, atšķiras atkarībā no to veida:

  • Teksta analīze: Rakstīta teksta interpretēšanai tiek izmantotas tādas metodes kā sentimenta analīze vai dabiskās valodas apstrāde. Tie var identificēt atslēgvārdus, frāzes vai modeļus, kas norāda uz emocionāliem stāvokļiem.
  • Balss analīze: mašīnmācīšanās algoritmi analizē personas balss aspektus, piemēram, augstumu, skaļumu, ātrumu un toni, lai secinātu par emocionālajiem stāvokļiem.
  • Sejas izteiksmes analīze: Datorredze un dziļās mācīšanās metodes izmanto, lai analizētu sejas izteiksmes. Tas var ietvert pamata izpausmju atpazīšanu (laime, skumjas, dusmas, pārsteigums utt.) vai smalkākas "mikroizpausmes".
  • Fizioloģiskā analīze: Dažas emocionālās AI sistēmas var analizēt fizioloģiskos datus, piemēram, sirdsdarbības ātrumu un temperatūru, lai noteiktu emocionālos stāvokļus. Tam nepieciešami specializēti sensori, un to parasti izmanto pētniecībā vai veselības aprūpē.

Emocionālā AI darbības specifika atšķiras atkarībā no lietojumprogrammas mērķa. Tomēr lielākā daļa emocionālo AI modeļu paļausies uz vismaz vienu no uzskaitītajiem paņēmieniem.

3. darbība. Atbildes ģenerēšana

Pēdējais solis ir AI modelim atbilstoši reaģēt uz tā noteikto emocionālo stāvokli. Tas, kā šī reakcija izpaužas, ir atkarīgs no AI mērķa. Tas var būt brīdinājums zvanu centra darbiniekam, ka nākamais zvanītājs ir satraukts, vai arī lietotnes satura personalizēšana.

Pilns šīs tehnoloģijas lietojumu klāsts būs milzīgs, un organizācijas jau to izmanto dažādos veidos.

Kādi ir emocionālā AI pielietojumi?

AI kopumā ir zināmā mērā tehnoloģisks daudzfunkcionāls rīks, un emocionālais AI neatšķiras. Tehnoloģijai attīstoties, lietojumu izplatība ievērojami paplašināsies, par ko liecina daudzveidīgie uzdevumi, ko tā jau veic:

  • Zvanu centri: Emotion AI tiek integrēts zvanu centros, lai palīdzētu aģentiem noteikt klientu emocionālo stāvokli.
  • Reklāma: mārketinga aģentūras uzrauga brīvprātīgo komandas, lai novērtētu viņu emocionālo reakciju, skatoties konkrētu sludinājumu. Tas ļauj viņiem pielāgot saturu, lai tas atbilstu vēlamajai emocionālajai reakcijai.
  • Veselības aprūpe: AI jau palīdz ārstēt garīgās veselības stāvokļus. Šī medicīnas joma ir tā, kur emocionālais AI varētu būt milzīgs ieguvums.
  • Izglītība: izglītības programmas var apmācīt pielāgot kursa darbu un vispārējo "mācību pieredzi" atkarībā no skolēna emocionālā stāvokļa.
  • Automobiļu rūpniecība: Šis ir gatavs, taču emocionālais AI varētu izrādīties nenovērtējams palīglīdzeklis braukšanai. Pašreizējie pētījumi ir vērsti uz tādu sistēmu izstrādi, kas spēj noteikt vadītāja emocionālo stāvokli. Ja vadītājs ir pārāk noguris, saspringts, dusmīgs vai vienkārši sapņo, var būt jāveic kāda veida koriģējoša darbība.

Tas viss izklausās labi un labi, taču, tāpat kā ar AI, tas nekad nav tik vienkārši. Ētiskās un privātuma problēmas, kas saistītas ar ģeneratīvo AI, ir tikpat piemērojamas, taču tagad mums ir iejauktas cilvēciskas emocijas.

Emocionālā AI ētiskās un privātuma problēmas

Šķiet, ka katram priekšrocībām, ko mums sniedz AI — un tādu ir daudz —, ir atbilstošas ​​ētiskas vai privātuma problēmas. Šī novatoriskā tehnoloģija darbojas tehnoloģiskās zinātības robežās. Tā darbojas arī uz sabiedrības zinātības robežas.

Emociju un tehnoloģiju krustpunkts ir pilns ar sarežģītām problēmām, kas jārisina, lai mākslīgais intelekts būtu svētība, nevis slogs. Dažas no bažām, kas uzreiz pamanāmas, ir šādas:

  • Bažas par datu privātumu: AI jau ir pelēkā zona, un sensitīvu emocionālo datu iekļaušana ir paaugstinājusi latiņu.
  • Precizitāte: AI tērzēšanas roboti ir daudzas lietas, taču to atbildes bieži vien ir plašas. Tām pašām kļūdām, ko pieļauj emocionālie AI modeļi, var būt nopietnas sekas, ja tās rodas tādās lietojumprogrammās kā veselības aprūpe.
  • Emocionāla manipulācija: Krāpnieki var izmantot emocionālo AI, lai ļaunprātīgos nolūkos spēlētu uz cilvēku jūtām.

Šīs bažas ir patiesas, un saskaņoti centieni tās risināt ir atslēga, lai pilnībā izmantotu emocionālā AI priekšrocības.

Nezinu, smieties vai raudāt

Šī ir daudzsološa tehnoloģija ar milzīgām iespējamām priekšrocībām. Tomēr tā slīdošajā plūsmā nes līdzi zināmu "emocionālo bagāžu". Pluss ir milzīgs potenciālo lietojumprogrammu klāsts, kur tas varētu būtiski mainīt. Emocionālā AI var gūt labumu no veselības aprūpes līdz aizraujošākai spēļu pieredzei.

Taču ir jārisina daži smagi jautājumi, ja mēs to vēlamies izmantot, lai gūtu labumu, nevis traucētu cilvēcei.