Den hurtige stigning i AI-chatbots har rejst etiske bekymringer, begejstring og beskæftigelsesbekymringer i næsten lige store forhold. Men er indsatsen ved at blive sat op igen?

Hvis der er en akilleshæl til disse værktøjer, er det manglende evne til at inddrage menneskelige følelser i svar. Men med fremskridt inden for "emotionel AI" er det muligt, at vi er ved at være vidne til endnu et stort spring fremad inden for AI-teknologi.

Et følelsesmæssigt problem

At forstå menneskelige følelser kan være kompliceret, selv for mennesker. Selvom det er noget, vi begynder at lære ved fødslen, kan vi stadig ofte fejllæse en andens følelser. At træne maskiner i en færdighed, som mennesker ikke har mestret, er en enorm udfordring.

Følelsesområdet AI, også kendt som affective computing, gør dog bemærkelsesværdige fremskridt. For at forstå, hvordan følelsesmæssig AI fungerer, er det vigtigt at sammenligne det med, hvordan mennesker fortolker andres følelser. Processen kan opdeles i tre hovedområder:

  • Ansigtsudtryk/manerismer
    instagram viewer
    : Nogen der stråler som en Cheshire-kat er indlysende. Men hvad med tårer? De kunne være tårer af glæde eller sorg. Så er der de finesser og flygtige udtryk, som vi knap nok lægger mærke til, men som giver dig ubevidste ledetråde om andres følelser.
  • Kropssprog: Igen er der masser af spor her, som mennesker bruger næsten subliminalt til at bestemme følelsesmæssige tilstande.
  • Stemmebøjning: Tonen og bøjningen af ​​en stemme kan være en stærk indikator for en følelsesmæssig tilstand. For eksempel ligger det ofte i nuancerne af, hvordan noget siges, at erkende forskellen mellem glæde og vrede.

Nuancerne af menneskelige følelser er dér, hvor udfordringerne opstår. For at løse disse udfordringer bruger emotion AI en række teknikker.

Hvordan virker Emotion AI?

Svarende til, hvordan AI chatbots er afhængige af enorme databaser kaldet store sprogmodeller (LLM'er) for at generere svar, er følelsesmæssig AI også afhængig af et massivt datasæt. Den største forskel er formen af ​​dataene.

Trin 1: Indsamling af data

Følelsesmæssige AI-"modeller" samler data fra en række kilder. Ligesom LLM'er udgør tekst en del af modellen. Men følelsesmæssige AI-modeller bruger også andre former for data, disse inkluderer:

  • Stemmedata: Dette kunne blandt andet være fra optagede kundeserviceopkald eller videoer.
  • Ansigtsudtryk: Disse data kan indsamles fra en række kilder. En almindelig måde er at optage frivilliges udtryk gennem optaget telefonvideo.
  • Fysiologiske data: Målinger som hjertefrekvens og kropstemperatur kan måles for at bestemme den følelsesmæssige tilstand af frivillige deltagere.

De indsamlede data kan derefter bruges til at bestemme menneskelige følelsesmæssige tilstande. Det er værd at bemærke, at ikke alle følelsesmæssige AI-modeller vil bruge den samme type data. For eksempel vil et callcenter kun have ringe brug for visuelle og fysiologiske data. Hvorimod det i sundhedsvæsenet er utrolig nyttigt at inkludere fysiologiske data.

Trin 2: Følelsesmæssig anerkendelse

Hvordan data bruges til at forstå følelsesmæssige tilstande varierer afhængigt af typen:

  • Tekstanalyse: Teknikker som følelsesanalyse eller naturlig sprogbehandling bruges til at fortolke skrevet tekst. Disse kan identificere søgeord, sætninger eller mønstre, der indikerer følelsesmæssige tilstande.
  • Stemmeanalyse: Maskinlæringsalgoritmer analyserer aspekter af en persons stemme, såsom tonehøjde, lydstyrke, hastighed og tone, for at udlede følelsesmæssige tilstande.
  • Analyse af ansigtsudtryk: Computer vision og deep learning teknikker bruges til at analysere ansigtsudtryk. Dette kan involvere at genkende grundlæggende udtryk (lykke, tristhed, vrede, overraskelse osv.) eller mere subtile "mikro-udtryk".
  • Fysiologisk analyse: Nogle følelsesmæssige AI-systemer kan analysere fysiologiske data som hjertefrekvens og temperatur for at bestemme følelsesmæssige tilstande. Dette kræver specialiserede sensorer og bruges typisk i forskning eller sundhedspleje.

De nærmere detaljer for, hvordan følelsesmæssig AI fungerer, varierer afhængigt af formålet med applikationen. De fleste emotionelle AI-modeller vil dog stole på mindst én af de nævnte teknikker.

Trin 3: Generering af et svar

Det sidste trin er, at AI-modellen reagerer passende på dens bestemte følelsesmæssige tilstand. Hvordan dette svar manifesterer sig afhænger af formålet med AI. Det kan være i form af at advare en callcenter-medarbejder om, at deres næste opkald er ked af det, eller det kan være at tilpasse indholdet af en app.

Det fulde spektrum af anvendelser for denne teknologi vil være massivt, og organisationer bruger den allerede til forskellige formål.

Hvad er anvendelserne af følelsesmæssig AI?

AI er generelt noget af et teknologisk multiværktøj, og følelsesmæssig AI er ikke anderledes. Efterhånden som teknologien udvikler sig, vil udbredelsen af ​​anvendelser blive betydeligt større, hvilket ses af de mange forskellige opgaver, den allerede udfører:

  • Callcentre: Emotion AI bliver integreret i callcentre for at hjælpe agenter med at identificere kundernes følelsesmæssige tilstand.
  • Annoncering: Marketingbureauer overvåger teams af frivillige for at vurdere deres følelsesmæssige reaktion, når de ser en bestemt annonce. Dette giver dem mulighed for at tilpasse indholdet til at tilpasse sig den ønskede følelsesmæssige reaktion nærmere.
  • Sundhedspleje: AI hjælper allerede med at behandle psykiske lidelser. Dette medicinområde er et område, hvor følelsesmæssig AI kan være til stor fordel.
  • Uddannelse: Uddannelsesapps kan trænes til at justere kursusarbejdet og den overordnede "læringsoplevelse" afhængigt af elevens følelsesmæssige tilstand.
  • Bil industrien: Denne er i pipelinen, men følelsesmæssig AI kan vise sig at være en uvurderlig kørehjælp. Aktuel forskning fokuserer på at udvikle systemer, der kan registrere førerens følelsesmæssige tilstand. Det kan så tage en form for afhjælpende handling, hvis chaufføren er overtræt, stresset, vred eller blot væk i en dagdrøm.

Det lyder alt sammen godt og godt, men som med alt andet AI, er det aldrig så ligetil. De etiske og privatlivsmæssige bekymringer omkring generativ AI er lige så anvendelige, men nu har vi menneskelige følelser kastet ind i blandingen.

Etiske og fortrolige bekymringer ved følelsesmæssig AI

For hver fordel, som AI giver os - og der er mange - synes der at være en tilsvarende etisk bekymring eller privatlivsproblemer. Denne innovative teknologi opererer på kanten af ​​teknologisk knowhow. Det opererer også på kanten af ​​samfundsmæssig knowhow.

Skæringspunktet mellem følelser og teknologi er fyldt med komplekse udfordringer, der skal løses, hvis AI skal være en velsignelse og ikke en byrde. Nogle af de bekymringer, der umiddelbart er tydelige, omfatter:

  • Bekymringer om databeskyttelse: Allerede et gråt område i AI, inkluderingen af ​​følsomme følelsesmæssige data har hævet barren.
  • Nøjagtighed: AI-chatbots er mange ting, men deres svar er ofte langt fra målet. De samme fejl begået af emotionelle AI-modeller kan have alvorlige konsekvenser, hvis de opstår i applikationer som sundhedspleje.
  • Følelsesmæssig manipulation: Svindlere kunne bruge følelsesmæssig AI til at spille på folks følelser med ondsindet hensigt.

Disse bekymringer er ægte, og en fælles indsats for at løse dem er nøglen til at frigøre de fulde fordele ved følelsesmæssig AI.

Ved ikke, om jeg skal grine eller græde

Dette er en lovende teknologi med enorme potentielle fordele. Den bærer dog noget "følelsesmæssig bagage" med i slipstrømmen. Fordelen er det store udvalg af potentielle applikationer, hvor dette kan gøre en kæmpe forskel. Alt fra sundhedspleje til mere fordybende spiloplevelser kan drage fordel af følelsesmæssig AI.

Men der er nogle heftige problemer, der skal behandles, hvis vi skal bruge dette til at gavne og ikke hindre menneskeheden.