logo
 

НАЧАЛЬНАЯ ШКОЛА

РУССКИЙ ЯЗЫК

 

ИСТОРИЯ РОССИИ

БИОЛОГИЯ

ГЕОГРАФИЯ

МАТЕМАТИКА

Эти идеи относительно новы и приобретают все большее значение, если речь идет об ИИ. На протяжении всей истории большинство исследователей ИИ, ученые и инженеры, были мужчинами, зачастую не обладающими развитой эмпатией или хорошими социальными навыками. На протяжении десятилетий у ИИ развивали способность принимать холодные, логические решения, осуществлять контроль и прогнозировать. Идея о том, что ИИ должен понимать эмоции или даже обладать собственными, не была распространенной – на самом деле большинство исследователей считали, что эмоции мешают принятию решений и лучше их не иметь.

Одной из первых исследовать эмоциональный ИИ, или, как его часто называют, эмоциональные вычисления, начала Розалинд Пикар, профессор Медиалаборатории МТИ, в 1995 году. Ее вдохновили идеи Дамасио и прежде всего тот факт, что эмоции необходимы для принятия решений. С тех пор исследователи в этой лаборатории вот уже более двух десятилетий изучают все аспекты эмоционального ИИ.




Первые успехи пришли с появлением улучшенных технологий распознавания лиц и речи. Пикар и ее коллеги обнаружили, что в дополнение к распознаванию лиц ИИ можно научить понимать эмоции по выражениям лиц. А в дополнение к распознаванию речи – улавливать изменения в тоне, которые могут свидетельствовать о нервозности, гневе или даже нечестности говорящего. В 2009 году Пикар вместе с одной из своих аспиранток, Раной Эль-Калиуби, основала компанию Affectiva, ставшую пионером в разработке методов машинного обучения для анализа эмоций людей при просмотре рекламы, что позволило более чем 25 % компаний из списка Fortune 500 понять, как именно их реклама влияет на людей и какие решения стоит пересмотреть. Были разработаны также специальные приложения для транспортных средств – они помогли отслеживать эмоциональное состояние пассажиров с помощью распознавания лиц и речи, чтобы обеспечить людям безопасность и комфорт в пути. Сегодня технологии распознавания лиц используются также для выявления аутизма, шизофрении, болезни Альцгеймера и в системах прогнозирования преступности.

 

 

РАСПОЗНАВАНИЕ ЭМОЦИЙ ПО ЛИЦАМ

Лицевые эмоции распознаются путем идентификации отдельных мышечных движений, или «единиц действия» (Action Unit, AU), с помощью машинного обучения. Затем компьютер использует систему кодирования лицевых действий (Facial Action Coding System, FACS) для расшифровки отображенных эмоций. Например, AU6 + AU12 + AU25 означает «счастливый», а комбинация AU4 + AU15 + AU17 – «грустный». Некоторые единицы действия часто происходят одновременно, другие – очень редко: скажем, AU25 («разомкнутые губы») и AU24 («сжатые губы»); последние иногда меняют значение эмоции (например, когда человек хмурится, одновременно улыбаясь). Используя эти правила, основанные на результатах многолетних исследований, компьютер способен анализировать лица на изображениях и видео и обнаруживать даже микровыражения, распознать которые довольно трудно. Эта программа также может показать разницу между фальшивой улыбкой Pan Am и искренней улыбкой Дюшена.

Еще одна компания, берущая свое начало в МТИ, – Empatica – разработала специальные браслеты с датчиками для людей, подверженных судорогам. Исследователи создали методы машинного обучения, чтобы классифицировать неврологические реакции, такие как эмоциональный стресс (чтобы затем сообщить нам, как уменьшить его уровень в жизни) или судороги (чтобы помочь быстро оказать соответствующую медицинскую помощь). «Выявляя физиологические аспекты эмоций, мы узнали, что некоторые неврологические реакции – определенные виды судорог – задействуют области мозга, которые также вовлечены в эмоции, – объясняет Розалинда Пикар. – Эти реакции можно выявить с помощью разработанных нами браслетов, которые изначально предназначались для распознавания эмоций».

Подобная технология применяется сегодня многими компаниями. Например, базирующиеся в Амстердаме Koninklijke Philips Elektronics и ABN AMRO Bank раздали браслеты с датчиками финансовым трейдерам. Машинное обучение выявляет и классифицирует их эмоциональные состояния, транслируя пользователям результаты в виде различных цветов. Когда трейдеры более осведомлены о собственных эмоциях, торговые риски уменьшаются, что предотвращает случайные – и чрезвычайно дорогостоящие – ошибки.



 

Поиск

 

ФИЗИКА

 

Блок "Поделиться"

 
 
Яндекс.Метрика Top.Mail.Ru

Copyright © 2021 High School Rights Reserved.