Computere kan ikke fortælle, om du er glad, når du smiler

En animeret gif, der viser mennesker med forskellige ansigtsudtryk Ms. Tech; Billeder fra Unsplash, Pixabay, Pexels

Når mennesker forsøger at finde ud af, hvordan nogen har det, bruger vi en masse information: ansigtsudtryk, kropssprog, hvor den person er og meget mere. Når computere forsøger at gøre det samme, har de en tendens til kun at fokusere på ansigtet. Det er en stor fejl: ifølge en vigtig ny undersøgelse , tyder det på, at de fleste påstande fra følelsesgenkendelsesvirksomheder er forkerte.

Følelsesgenkendelse – eller brug af teknologi til at analysere ansigtsudtryk og udlede følelser – er efter et skøn sat til at være en 25 milliarder dollars forretning i 2023 . Store virksomheder som Microsoft og Apple samt specialiserede startups som Kairos og Affectiva deltager alle. Selvom det oftest bruges til at sælge produkter, er følelsesgenkendelsesteknologi også dukket op jobrekruttering og som et muligt værktøj til at finde ud af, om nogen forsøger at begå forsikringssvindel . Tilbage i 2003, US Transportation Security Administration begyndte at træne mennesker til at spotte potentielle terrorister ved at læse deres ansigtsudtryk , så det er nemt at forestille sig et kunstig intelligens-projekt, der forsøger det samme. (TSA-programmet blev bredt kritiseret for baseret på dårlig videnskab .)

Men i årevis har der været et voksende tilbageslag mod troen på, at ansigtsudtryk er nemme foræringer til følelser. En gruppe videnskabsmænd samlet af Foreningen for Psykologisk Videnskab brugte to år på at gennemgå mere end 1.000 artikler om følelsesregistrering. De fokuserede på forskning i, hvordan folk bevæger deres ansigter, når de mærker bestemte følelser, og hvordan folk udleder andre menneskers følelsesmæssige tilstande fra deres ansigter. Gruppen konkluderede, at det er meget svært at bruge ansigtsudtryk alene til præcist at fortælle, hvordan nogen har det.

Folk smiler, når de er glade og rynker panden, når de er triste, men sammenhængen er svag, siger studiemedforfatter Lisa Feldman Barrett , en psykolog ved Northeastern University. Folk gør masser af andre ting, når de også er glade eller kede af det, og et smil kan være skævt eller ironisk. Deres adfærd varierer meget på tværs af kulturer og situationer, og kontekst spiller en stor rolle for, hvordan vi fortolker udtryk. For eksempel i undersøgelser, hvor nogen placerede et billede af et positivt ansigt på kroppen af ​​en person i en negativ situation, mennesker oplevede ansigtet som mere negativt .

Kort sagt er de udtryk, vi har lært at forbinde med følelser, stereotyper, og teknologi baseret på disse stereotyper giver ikke særlig god information. At få følelsesgenkendelse rigtigt er dyrt og kræver indsamling af en masse ekstremt specifikke data - mere, siger Barrett, end nogen har hidtil.

Faren for ikke nok data

De fleste af de virksomheder, jeg bad om at kommentere på denne historie, inklusive Apple og Microsoft, svarede ikke. En der gjorde, Cairo , lover detailhandlere, at de kan bruge følelsesgenkendelsesteknologi til at finde ud af, hvordan deres kunder har det. Ved at scanne kundernes ansigter og analysere et løftet øjenbryn eller et smil for at fortælle, om nogen er glade eller ked af det, leverer Kairos den slags data, som kan være svære for fysiske virksomheder at indsamle, siger CEO Melissa Doval.

For at træne sin teknologi fik Kairos folk til at se følelsesfremkaldende videoer og scanne deres ansigter. Nogle andre data kom fra poserede udtryk. En person i virksomheden er ansvarlig for at mærke disse data for at fodre algoritmen.

Dette er en ekstremt almindelig tilgang, men den har to store svagheder, ifølge den nye anmeldelse. Det ene er de poserede ansigter. Hvis du får besked på at lave et overrasket ansigt, kan det være meget anderledes, end hvordan dit ansigt faktisk ser ud, når du bliver overrasket. Det andet problem er at få en tredjepart til at gå igennem og mærke disse data. En iagttager kan læse et ansigtsudtryk som overrasket, men uden at spørge den oprindelige person, er det svært at vide, hvad den virkelige følelse var.

Resultatet er en teknologi med ret rudimentære evner. For hendes del siger Doval, at virksomheden i øjeblikket fokuserer på at forbedre sit kamera og dashboard i stedet for selve følelsesteknologien. Hun tilføjede, at de i sidste ende ville være interesserede i at tage forskning som Barretts i betragtning og tilføje demografiske data for mere kontekst og for at gøre algoritmen mere nøjagtig.

Faren for at få det rigtigt

Barrett har forslag til, hvordan man gør følelsesgenkendelse bedre. Brug ikke enkeltbilleder, siger hun; studere individer i forskellige situationer over tid. Saml en masse kontekst – som stemme, kropsholdning, hvad der sker i omgivelserne, fysiologiske oplysninger såsom hvad der sker med nervesystemet – og find ud af, hvad et smil betyder på en bestemt person i en specifik situation. Gentag, og se om du kan finde nogle mønstre hos mennesker med lignende egenskaber som køn. Du behøver ikke altid at måle alle, men du kan måle et større antal mennesker, som du prøver på tværs af kulturer, siger hun. Jeg tror, ​​vi alle naturligt tiltrak denne Big Data-tilgang. Dette er nu muligt at gøre, hvorimod det selv for ti år siden var meget sværere.

Denne metode minder mere om tilgangen fra virksomheder som Boston-baserede Affektive . Affectiva medstifter og administrerende direktør Rana el Kaliouby er enig i, at den nuværende forståelse af følelser er forsimplet. Virksomhedens egen analyse har for eksempel vist, at der er mindst fem forskellige typer smil, lige fra et flirtende smil til et høfligt. Affectiva indsamler data fra 87 lande, registrerer mennesker i virkelige situationer (som når de kører i bil) og beder deltagerne om selvrapporter om, hvordan de har det. Er det et løst problem? Det er det slet ikke, siger el Kaliouby. Affectivas teknologi er bedre til at klassificere glæde, for eksempel, end den er til at skelne mellem frygt, vrede og afsky.

For nøjagtigheden er flere data bedre. Men at indsamle så mange personlige data har også faldgruber, som de igangværende debatter omkring ansigtsgenkendelse viser. Forbrugere er i stigende grad bange for at miste privatlivets fred eller at få deres data brugt imod sig. Det er noget, der burde være en bekymring for alle disse systemer, siger Tiffany Lee , en privatlivsforsker med Yale University's Information Society Project. Spørgsmålet er at have de rigtige sikkerhedsforanstaltninger.' Vi skal for eksempel vide, hvor dataene kommer fra, hvordan de bliver indsamlet, og hvordan de opbevares. Vil dataene blive solgt eller overført? Vil det blive knyttet til andre datasæt, der kan have identificerende oplysninger?

Affectiva siger, at det nægter at arbejde med overvågnings- eller løgnedetningsfirmaer. Akademikere har normalt strenge grænser for, hvordan de kan indsamle og dele data. Men den private sektor er ikke styret af brede regler omkring dataindsamling og brug, og det kan være farligt, da virksomheder forsøger at forbedre deres teknologier. Jeg synes ikke rigtig, vi har tilstrækkelige sikkerhedsforanstaltninger lige nu, siger Li.

Rettelse: Følelsesgenkendelse er sat til at blive en forretning på 25 milliarder dollars i 2023, ifølge et markedsestimat. En tidligere version af denne artikel fejlbehæftede dette tal.

skjule