Η ταχεία άνοδος των chatbots AI έχει εγείρει ηθικές ανησυχίες, ενθουσιασμό και ανησυχίες για την απασχόληση σε σχεδόν ίσα μέτρα. Αλλά πρόκειται να αυξηθούν ξανά τα στοιχήματα;
Εάν υπάρχει μια αχίλλειος πτέρνα σε αυτά τα εργαλεία, είναι η αδυναμία να συνυπολογίσουμε τα ανθρώπινα συναισθήματα σε απαντήσεις. Ωστόσο, με την πρόοδο στον τομέα της «συναισθηματικής τεχνητής νοημοσύνης», είναι πιθανό ότι πρόκειται να γίνουμε μάρτυρες ενός άλλου τεράστιου άλματος προς τα εμπρός στην τεχνολογία AI.
Ένα συναισθηματικό πρόβλημα
Η κατανόηση των ανθρώπινων συναισθημάτων μπορεί να είναι περίπλοκη, ακόμη και για τους ανθρώπους. Παρά το γεγονός ότι είναι κάτι που αρχίζουμε να μαθαίνουμε από τη γέννηση, μπορούμε ακόμα συχνά να παρερμηνεύουμε τα συναισθήματα του άλλου. Η εκπαίδευση των μηχανών σε μια δεξιότητα που οι άνθρωποι δεν έχουν κατακτήσει είναι μια τεράστια πρόκληση.
Ωστόσο, ο τομέας της συναισθηματικής τεχνητής νοημοσύνης, γνωστός και ως συναισθηματικός υπολογισμός, κάνει αξιοσημείωτα βήματα. Για να κατανοήσετε πώς λειτουργεί η συναισθηματική τεχνητή νοημοσύνη, είναι σημαντική η σύγκριση της με τον τρόπο που οι άνθρωποι ερμηνεύουν τα συναισθήματα των άλλων. Η διαδικασία μπορεί να χωριστεί σε τρεις βασικούς τομείς:
- Εκφράσεις προσώπου / τρόποι συμπεριφοράς: Είναι προφανές ότι κάποιος λάμπει σαν γάτα Cheshire. Τι γίνεται όμως με τα δάκρυα; Μπορεί να είναι δάκρυα χαράς ή λύπης. Έπειτα, υπάρχουν οι λεπτότητες και οι φευγαλέες εκφράσεις που μετά βίας παρατηρούμε αλλά σας δίνουν υποσυνείδητα στοιχεία για τα συναισθήματα των άλλων.
- Γλώσσα του σώματος: Και πάλι, υπάρχουν πολλές ενδείξεις εδώ που οι άνθρωποι χρησιμοποιούν σχεδόν υποσυνείδητα για να καθορίσουν συναισθηματικές καταστάσεις.
- Κλίση φωνής: Ο τόνος και η κλίση μιας φωνής μπορεί να είναι ισχυρός δείκτης μιας συναισθηματικής κατάστασης. Για παράδειγμα, η αναγνώριση της διαφοράς μεταξύ χαράς και θυμού βρίσκεται συχνά στις αποχρώσεις του πώς λέγεται κάτι.
Οι αποχρώσεις των ανθρώπινων συναισθημάτων είναι εκεί που προκύπτουν οι προκλήσεις. Για να αντιμετωπίσει αυτές τις προκλήσεις, το συναίσθημα AI χρησιμοποιεί μια σειρά τεχνικών.
Πώς λειτουργεί το Emotion AI;
Παρόμοια με τον τρόπο με τον οποίο βασίζονται τα chatbot AI τεράστιες βάσεις δεδομένων που ονομάζονται μεγάλα γλωσσικά μοντέλα (LLMs) για τη δημιουργία αποκρίσεων, η συναισθηματική τεχνητή νοημοσύνη βασίζεται επίσης σε ένα τεράστιο σύνολο δεδομένων. Η κύρια διαφορά είναι η μορφή των δεδομένων.
Βήμα 1: Συλλογή δεδομένων
Τα συναισθηματικά "μοντέλα" AI συγκεντρώνουν δεδομένα από μια σειρά πηγών. Όπως και τα LLM, το κείμενο αποτελεί μέρος του μοντέλου. Αλλά τα μοντέλα συναισθηματικής τεχνητής νοημοσύνης χρησιμοποιούν επίσης και άλλες μορφές δεδομένων, όπως:
- Δεδομένα φωνής: Αυτό μπορεί να προέρχεται από ηχογραφημένες κλήσεις εξυπηρέτησης πελατών ή βίντεο, μεταξύ άλλων πηγών.
- Εκφράσεις του προσώπου: Αυτά τα δεδομένα μπορούν να συλλεχθούν από μια σειρά πηγών. Ένας συνηθισμένος τρόπος είναι να καταγράψετε τις εκφράσεις των εθελοντών μέσω βίντεο που τραβήχτηκαν μέσω τηλεφώνου.
- Φυσιολογικά δεδομένα: Μετρήσεις όπως ο καρδιακός ρυθμός και η θερμοκρασία του σώματος μπορούν να μετρηθούν για να προσδιοριστεί η συναισθηματική κατάσταση των εθελοντών συμμετεχόντων.
Τα δεδομένα που συλλέγονται μπορούν στη συνέχεια να χρησιμοποιηθούν για τον προσδιορισμό της ανθρώπινης συναισθηματικής κατάστασης. Αξίζει να σημειωθεί ότι δεν θα χρησιμοποιούν όλα τα μοντέλα συναισθηματικής τεχνητής νοημοσύνης τον ίδιο τύπο δεδομένων. Για παράδειγμα, ένα τηλεφωνικό κέντρο θα έχει μικρή χρήση για οπτικά και φυσιολογικά δεδομένα. Ενώ στην υγειονομική περίθαλψη, η συμπερίληψη φυσιολογικών δεδομένων είναι απίστευτα χρήσιμη.
Βήμα 2: Συναισθηματική αναγνώριση
Ο τρόπος με τον οποίο χρησιμοποιούνται τα δεδομένα για την κατανόηση συναισθηματικών καταστάσεων ποικίλλει ανάλογα με τον τύπο τους:
- Ανάλυση κειμένου: Τεχνικές όπως η ανάλυση συναισθημάτων ή η επεξεργασία φυσικής γλώσσας χρησιμοποιούνται για την ερμηνεία του γραπτού κειμένου. Αυτά μπορούν να προσδιορίσουν λέξεις-κλειδιά, φράσεις ή μοτίβα που υποδεικνύουν συναισθηματικές καταστάσεις.
- Ανάλυση φωνής: Οι αλγόριθμοι μηχανικής μάθησης αναλύουν πτυχές της φωνής ενός ατόμου, όπως το ύψος, την ένταση, την ταχύτητα και τον τόνο, για να συμπεράνουν συναισθηματικές καταστάσεις.
- Ανάλυση έκφρασης προσώπου: Τεχνικές όρασης υπολογιστών και βαθιάς μάθησης χρησιμοποιούνται για την ανάλυση των εκφράσεων του προσώπου. Αυτό μπορεί να περιλαμβάνει την αναγνώριση βασικών εκφράσεων (ευτυχία, λύπη, θυμό, έκπληξη κ.λπ.) ή πιο λεπτές «μικρο-εκφράσεις».
- Φυσιολογική ανάλυση: Ορισμένα συστήματα συναισθηματικής τεχνητής νοημοσύνης μπορούν να αναλύσουν φυσιολογικά δεδομένα όπως ο καρδιακός ρυθμός και η θερμοκρασία για να προσδιορίσουν τις συναισθηματικές καταστάσεις. Αυτό απαιτεί εξειδικευμένους αισθητήρες και χρησιμοποιείται συνήθως στην έρευνα ή την υγειονομική περίθαλψη.
Οι ιδιαιτερότητες του τρόπου με τον οποίο λειτουργεί το συναισθηματικό AI ποικίλλουν ανάλογα με τον σκοπό της εφαρμογής. Ωστόσο, τα περισσότερα μοντέλα συναισθηματικής τεχνητής νοημοσύνης θα βασίζονται σε τουλάχιστον μία από τις τεχνικές που αναφέρονται.
Βήμα 3: Δημιουργία απόκρισης
Το τελευταίο βήμα είναι το μοντέλο AI να ανταποκριθεί κατάλληλα στην καθορισμένη συναισθηματική του κατάσταση. Το πώς εκδηλώνεται αυτή η απόκριση εξαρτάται από τον σκοπό του AI. Θα μπορούσε να είναι με τη μορφή προειδοποίησης ενός υπεύθυνου τηλεφωνικού κέντρου ότι ο επόμενος καλών του είναι αναστατωμένος ή μπορεί να είναι η εξατομίκευση του περιεχομένου μιας εφαρμογής.
Το πλήρες φάσμα των χρήσεων αυτής της τεχνολογίας θα είναι τεράστιο και οι οργανισμοί ήδη τη χρησιμοποιούν σε διάφορες χρήσεις.
Ποιες είναι οι εφαρμογές της συναισθηματικής τεχνητής νοημοσύνης;
Η τεχνητή νοημοσύνη, γενικά, είναι κάπως ένα τεχνολογικό πολυεργαλείο και η συναισθηματική τεχνητή νοημοσύνη δεν διαφέρει. Καθώς η τεχνολογία αναπτύσσεται, η εξάπλωση των χρήσεων θα διευρυνθεί σημαντικά, όπως αποδεικνύεται από την ποικιλία των εργασιών που εκτελεί ήδη:
- Τηλεφωνικά κέντρα: Το Emotion AI ενσωματώνεται σε τηλεφωνικά κέντρα για να βοηθήσει τους πράκτορες να εντοπίσουν τη συναισθηματική κατάσταση των πελατών.
- Διαφήμιση: Τα γραφεία μάρκετινγκ παρακολουθούν ομάδες εθελοντών για να αξιολογήσουν τη συναισθηματική τους ανταπόκριση όταν βλέπουν μια συγκεκριμένη διαφήμιση. Αυτό τους επιτρέπει να προσαρμόσουν το περιεχόμενο ώστε να ευθυγραμμιστεί με την επιθυμητή συναισθηματική απόκριση πιο στενά.
- Φροντίδα υγείας: Η τεχνητή νοημοσύνη ήδη βοηθά στη θεραπεία παθήσεων ψυχικής υγείας. Αυτός ο τομέας της ιατρικής είναι ένας τομέας όπου η συναισθηματική τεχνητή νοημοσύνη θα μπορούσε να αποφέρει τεράστιο όφελος.
- Εκπαίδευση: Οι εκπαιδευτικές εφαρμογές μπορούν να εκπαιδευτούν ώστε να προσαρμόζουν την εργασία του μαθήματος και τη συνολική "μαθησιακή εμπειρία" ανάλογα με τη συναισθηματική κατάσταση του μαθητή.
- Αυτοκινητοβιομηχανία: Αυτό είναι στα σκαριά, αλλά η συναισθηματική τεχνητή νοημοσύνη θα μπορούσε να αποδειχθεί ένα ανεκτίμητο βοήθημα στην οδήγηση. Η τρέχουσα έρευνα επικεντρώνεται στην ανάπτυξη συστημάτων που μπορούν να ανιχνεύσουν τη συναισθηματική κατάσταση του οδηγού. Στη συνέχεια, μπορεί να λάβει κάποια μορφή διορθωτικής δράσης εάν ο οδηγός είναι υπερβολικά κουρασμένος, στρεσαρισμένος, θυμωμένος ή απλά μακριά σε μια ονειροπόληση.
Όλα αυτά ακούγονται καλά και καλά, αλλά όπως συμβαίνει με όλα τα πράγματα AI, δεν είναι ποτέ τόσο απλό. Οι ηθικές ανησυχίες και οι ανησυχίες σχετικά με την προστασία της ιδιωτικής ζωής γύρω από τη γενετική τεχνητή νοημοσύνη είναι εξίσου εφαρμόσιμες, αλλά τώρα έχουμε τα ανθρώπινα συναισθήματα που ρίχνονται στο μείγμα.
Ηθικές και ιδιωτικές ανησυχίες της συναισθηματικής τεχνητής νοημοσύνης
Για κάθε όφελος που μας φέρνει η τεχνητή νοημοσύνη —και είναι πολλά— φαίνεται να υπάρχει μια αντίστοιχη ηθική ανησυχία ή ανησυχία για το απόρρητο. Αυτή η καινοτόμος τεχνολογία λειτουργεί στα άκρα της τεχνολογικής τεχνογνωσίας. Λειτουργεί επίσης στα όρια της κοινωνικής τεχνογνωσίας.
Η διασταύρωση συναισθήματος και τεχνολογίας είναι γεμάτη με περίπλοκες προκλήσεις που πρέπει να αντιμετωπιστούν εάν η τεχνητή νοημοσύνη θέλει να είναι ευλογία και όχι βάρος. Μερικές από τις ανησυχίες που γίνονται αμέσως εμφανείς περιλαμβάνουν:
- ανησυχίες για το απόρρητο των δεδομένων: Ήδη μια γκρίζα περιοχή στην τεχνητή νοημοσύνη, η συμπερίληψη ευαίσθητων συναισθηματικών δεδομένων έχει ανεβάσει τον πήχη.
- Ακρίβεια: Τα chatbot τεχνητής νοημοσύνης είναι πολλά, αλλά οι απαντήσεις τους είναι συχνά απίθανες. Τα ίδια λάθη που γίνονται από μοντέλα συναισθηματικής τεχνητής νοημοσύνης μπορεί να έχουν σοβαρές συνέπειες εάν συμβούν σε εφαρμογές όπως η υγειονομική περίθαλψη.
- Συναισθηματική χειραγώγηση: Οι απατεώνες θα μπορούσαν να χρησιμοποιήσουν τη συναισθηματική τεχνητή νοημοσύνη για να παίξουν με τα συναισθήματα των ανθρώπων με κακόβουλη πρόθεση.
Αυτές οι ανησυχίες είναι γνήσιες και μια συντονισμένη προσπάθεια για την αντιμετώπισή τους είναι το κλειδί για να ξεκλειδώσετε τα πλήρη οφέλη της συναισθηματικής τεχνητής νοημοσύνης.
Δεν ξέρω αν πρέπει να γελάσω ή να κλάψω
Αυτή είναι μια πολλά υποσχόμενη τεχνολογία με τεράστια πιθανά οφέλη. Ωστόσο, κουβαλάει κάποιες «συναισθηματικές αποσκευές» στο slipstream του. Το θετικό είναι το τεράστιο φάσμα πιθανών εφαρμογών όπου αυτό θα μπορούσε να κάνει τεράστια διαφορά. Τα πάντα, από την υγειονομική περίθαλψη έως τις πιο καθηλωτικές εμπειρίες παιχνιδιού μπορούν να επωφεληθούν από τη συναισθηματική τεχνητή νοημοσύνη.
Αλλά υπάρχουν ορισμένα σοβαρά ζητήματα που πρέπει να αντιμετωπιστούν εάν θέλουμε να το χρησιμοποιήσουμε για να ωφελήσουμε και όχι να εμποδίσουμε την ανθρωπότητα.
