Презентация на тему чувства человека: «Чувства Сущность и классификация. Чувства это переживаемые в различной форме отношения человека к предметам и явлениям действительности. Это самая развитая.». Скачать бесплатно и без регистрации.

Сегодня инструменты распознавания аффекта можно найти в системах национальной безопасности и в аэропортах, в образовательных учреждениях и стартапах по найму, в программном обеспечении, предназначенном для обнаружения психических заболеваний, и программах охраны правопорядка, которые утверждают, что они предсказывают насилие. Утверждение о том, что внутреннее состояние человека можно точно оценить, проанализировав его лицо, основано на сомнительных доказательствах. Систематический обзор научной литературы о выводе эмоций из движений лица, проведенный в 2019 году психологом и нейробиологом Лизой Фельдман Барретт, показал, что нет надежных доказательств того, что вы можете точно предсказать эмоциональное состояние человека таким образом.«Невозможно с уверенностью сделать вывод о счастье по улыбке, гневе по хмурому взгляду или грусти по хмурому взгляду, как многие современные технологии пытаются сделать, применяя то, что ошибочно считается научными фактами», — заключает исследование. Так почему же идея о том, что существует небольшой набор универсальных эмоций, легко интерпретируемых с лица человека, стала настолько популярной в области ИИ?

Чтобы понять это, необходимо проследить сложную историю и стимулы, лежащие в основе развития этих идей, задолго до того, как средства обнаружения эмоций ИИ были встроены в инфраструктуру повседневной жизни.

Идея автоматического распознавания аффектов настолько же привлекательна, насколько и прибыльна. Технологические компании запечатлели огромные объемы поверхностных изображений человеческих выражений, включая миллиарды селфи в Instagram, портреты Pinterest, видео TikTok и фотографии Flickr. Подобно распознаванию лиц, распознавание аффектов стало частью базовой инфраструктуры многих платформ, от крупнейших технологических компаний до небольших стартапов.

В то время как распознавание лиц пытается идентифицировать конкретного человека, распознавание аффекта направлено на обнаружение и классификацию эмоций путем анализа любого лица.Эти системы уже влияют на поведение людей и функционирование социальных институтов, несмотря на отсутствие серьезных научных доказательств того, что они работают. В настоящее время широко используются автоматизированные системы обнаружения аффектов, особенно при приеме на работу. Компания по найму ИИ HireVue, которая может указать Goldman Sachs, Intel и Unilever среди своих клиентов, использует машинное обучение для определения пригодности людей для работы. В 2014 году компания запустила свою систему искусственного интеллекта для извлечения микровыражений, тона голоса и других переменных из видео собеседований при приеме на работу, которые она использовала для сравнения кандидатов на работу с лучшими сотрудниками компании.После значительной критики со стороны ученых и групп, защищающих права человека, в 2021 году он отказался от анализа лица, но сохранил голосовой тон в качестве критерия оценки. В январе 2016 года Apple приобрела стартап Emotient, который утверждал, что производит программное обеспечение, способное определять эмоции по изображениям лиц. Возможно, крупнейшим из этих стартапов является Affectiva, компания из Бостона, которая возникла в результате академической работы, проделанной в Массачусетском технологическом институте.

Affectiva создала множество приложений, связанных с эмоциями, в основном с использованием методов глубокого обучения.Эти подходы включают обнаружение отвлеченных и «рискованных» водителей на дорогах и измерение эмоциональной реакции потребителей на рекламу. Компания создала так называемую крупнейшую в мире базу данных эмоций, содержащую более 10 миллионов выражений лиц из 87 стран. Его монументальная коллекция видеороликов была вручную подписана краудворкерами, базирующимися в основном в Каире.

За пределами сектора стартапов все гиганты искусственного интеллекта, такие как Amazon, Microsoft и IBM, разработали системы для обнаружения эмоций.Microsoft предлагает обнаружение воспринимаемых эмоций в своем Face API, идентифицируя «гнев, презрение, отвращение, страх, счастье, нейтралитет, печаль и удивление», в то время как инструмент Amazon Rekognition аналогичным образом заявляет, что он может идентифицировать то, что он характеризует как «все семь эмоций» и «Измерить, как эти вещи меняются с течением времени, например, построить график эмоций актера».

Системы распознавания эмоций имеют схожий набор схем и основополагающих предположений: существует небольшое количество различных и универсальных эмоциональных категорий, что мы непроизвольно проявляем эти эмоции на наших лицах и что они могут быть обнаружены машинами.Эти символы веры настолько приняты в некоторых областях, что может показаться странным даже замечать их, не говоря уже о том, чтобы подвергать их сомнению. Но если мы посмотрим, как эмоции были систематизированы — аккуратно упорядочены и помечены, — мы увидим, что вопросы подстерегают на каждом углу.

Исследование Экмана началось с удачной встречи с Сильваном Томкинсом, в то время состоявшимся психологом в Принстоне, который опубликовал первый том своего великого труда Affect Imagery Consciousness в 1962 году. Работа Томкинса об аффекте оказала огромное влияние на Экмана. который посвятил большую часть своей карьеры изучению его последствий.Один аспект, в частности, играл огромную роль: идея о том, что если аффекты являются врожденным набором эволюционных реакций, они будут универсальными и, следовательно, узнаваемыми в разных культурах. Это стремление к универсальности имеет важное значение для того, почему эта теория сегодня широко применяется в системах распознавания эмоций ИИ. Теорию можно было применить повсюду, упрощение сложности, которое можно было легко воспроизвести в масштабе.

Во введении к Affect Imagery Consciousness Томкинс сформулировал свою теорию биологически обоснованных универсальных аффектов как одну, направленную на решение острого кризиса человеческого суверенитета.Он бросал вызов развитию бихевиоризма и психоанализа, двух школ мысли, которые, по его мнению, рассматривали сознание как простой побочный продукт, служащий другим силам. Он отметил, что человеческое сознание «подвергалось сомнению и уменьшалось снова и снова, сначала Коперником» — который вытеснил человека из центра вселенной — «затем Дарвином» — чья теория эволюции разрушила идею о том, что люди были созданы по образу и подобию. христианского Бога — «и в первую очередь Фрейда» — который децентрализовал человеческое сознание и разум как движущие силы, стоящие за нашими мотивами.Томкинс продолжил: «Парадокс максимального контроля над природой и минимального контроля над человеческой природой отчасти является производным пренебрежения ролью сознания как механизма контроля». Проще говоря, сознание мало что говорит нам о том, почему мы чувствуем и действуем именно так. Это важнейшее утверждение для всех видов более поздних приложений теории аффектов, которые подчеркивают неспособность людей распознавать как чувства, так и выражения аффектов. Если мы, люди, не способны по-настоящему определить, что мы чувствуем, то, возможно, системы ИИ смогут сделать это за нас?

Теория аффектов Томкинса была его способом решения проблемы человеческой мотивации.Он утверждал, что мотивация регулируется двумя системами: аффектами и побуждениями. Томкинс предположил, что влечения, как правило, тесно связаны с непосредственными биологическими потребностями, такими как голод и жажда. Они инструментальны; боль от голода можно вылечить с помощью еды. Но основная система, управляющая мотивацией и поведением человека, — это аффекты, включающие положительные и отрицательные чувства. Аффекты, которые играют важнейшую роль в мотивации человека, усиливают управляющие сигналы, но они намного сложнее.Например, трудно узнать точные причины, заставляющие ребенка плакать, выражая аффект страдания и страдания.

Как мы можем узнать что-либо о системе, в которой связи между причиной и следствием, стимулом и реакцией настолько тонки и неопределенны? Томкинс предложил ответ: «Основные аффекты. . . кажутся врожденными, взаимно однозначно связанными с системой органов, которая чрезвычайно заметна »- а именно с лицом. Он обнаружил прецеденты такого акцента на выражении лица в двух работах, опубликованных в 19 веке: в книге Чарльза Дарвина «Выражение эмоций у человека и животных » 1872 года и малоизвестном томе французского невролога Гийома-Бенджамина-Амана Дюшенна де. Булонь с 1862 года.

Томкинс предположил, что отображение аффектов на лице — это универсальная человеческая черта. «Аффекты, — полагал Томкинс, — представляют собой набор мышечных, сосудистых и железистых реакций, расположенных на лице, а также широко распространенных по телу, которые генерируют сенсорную обратную связь. . . Эти организованные наборы ответов запускаются в подкорковых центрах, где хранятся определенные «программы» для каждого отдельного аффекта »- очень раннее использование вычислительной метафоры для человеческой системы. Но Томкинс признал, что интерпретация аффективных проявлений зависит от индивидуальных, социальных и культурных факторов.Он признал, что в разных обществах существуют очень разные «диалекты» лицевого языка. Даже основоположник исследования аффектов поднял вероятность того, что интерпретация мимики лица зависит от социального и культурного контекста.

Учитывая, что выражения лица культурно изменчивы, их использование для обучения систем машинного обучения неизбежно приведет к смешению всевозможных контекстов, сигналов и ожиданий. Проблема для Экмана, а затем и для области компьютерного зрения, заключалась в том, как примирить эти противоречия.

В середине 1960-х годов в дверь Экмана постучала возможность в виде крупного гранта от того, что сейчас называется Агентством перспективных исследовательских проектов Министерства обороны США (DARPA), исследовательским подразделением Министерства обороны. Значительная финансовая поддержка DARPA позволила Экману начать свои первые исследования, чтобы доказать универсальность выражения лица. В целом эти исследования следовали дизайну, который будет скопирован в ранних лабораториях ИИ. Он в значительной степени дублировал методы Томкинса, даже используя фотографии Томкинса для испытуемых из Чили, Аргентины, Бразилии, США и Японии.Испытуемым были представлены фотографии с заданными выражениями лиц, выбранными дизайнерами как примеры или выражающие особенно «чистый» аффект, такой как страх, удивление, гнев, счастье, печаль и отвращение. Затем испытуемых просили выбрать одну из этих категорий аффектов и пометить поставленное изображение. В ходе анализа была измерена степень корреляции этикеток, выбранных испытуемыми, с этикетками, выбранными дизайнерами.

С самого начала у методологии были проблемы. Формат принудительного выбора Экмана впоследствии подвергся критике за то, что он предупредил субъектов о связи, которую дизайнеры уже установили между выражением лица и эмоциями.Кроме того, тот факт, что эти эмоции были сфальсифицированы, может вызвать вопросы о достоверности результатов.

Идея о том, что внутреннее состояние можно достоверно определить по внешним признакам, имеет долгую историю. Частично это проистекает из истории физиогномики, которая была основана на изучении черт лица человека для определения его характера. Аристотель считал, что «о характере человека можно судить по его внешнему виду. . . поскольку предполагалось, что тело и душа подвержены влиянию вместе.Греки также использовали физиогномику как раннюю форму расовой классификации, применяемую к «самому роду человека, делящему его на расы, поскольку они различаются по внешнему виду и характеру (например, египтяне, фракийцы и скифы)».

Психогномика в западной культуре достигла своего апогея в 18-19 веках, когда она рассматривалась как часть анатомических наук. Ключевой фигурой в этой традиции был швейцарский пастор Иоганн Каспар Лаватер, написавший эссе по физиогномике: для распространения знаний и любви к человечеству , первоначально опубликованных на немецком языке в 1789 году.Лафатер взял подходы физиогномики и соединил их с новейшими научными знаниями. Он считал, что костная структура является основной связью между внешним видом и типом характера. Если выражения лица были мимолетными, черепа, казалось, предлагали более прочный материал для физиогномических выводов. Измерение черепа было популярным методом в расовой науке и использовалось для поддержки национализма, превосходства белых и ксенофобии. Эта работа печально разрабатывалась на протяжении 19 века такими френологами, как Франц Йозеф Галль и Иоганн Гаспар Спурцхейм, а также работами Чезаре Ломброзо в области научной криминологии.

Но именно французский невролог Дюшенн, описанный Экманом как «удивительно одаренный наблюдатель», систематизировал использование фотографии и других технических средств для изучения человеческих лиц. В Mécanisme de la Physionomie Humaine Дюшен заложил важные основы как для Дарвина, так и для Экмана, соединив старые идеи физиогномики и френологии с более современными исследованиями физиологии и психологии. Он заменил расплывчатые утверждения о характере более ограниченным исследованием выражения и внутренних психических и эмоциональных состояний.

Дюшенн работал в Париже в приюте Сальпетриер, где находилось до 5000 человек с широким спектром психических и неврологических заболеваний. Некоторые из них станут его объектами мучительных экспериментов, что является частью давней традиции медицинских и технологических экспериментов над наиболее уязвимыми, теми, кто не может отказаться. Дюшенн, малоизвестный в научном сообществе, решил разработать методы поражения электрическим током, чтобы стимулировать отдельные движения мышц на лицах людей.Его целью было составить более полное анатомическое и физиологическое представление о лице. Дюшенн использовал эти методы, чтобы соединить новую психологическую науку и гораздо более древнее изучение физиогномических знаков или страстей. Он полагался на последние достижения в области фотографии, такие как обработка коллодием, которая позволила значительно сократить время экспозиции, что позволило Дюшенну зафиксировать мимолетные мышечные движения и мимику на изображениях.

Даже на этих ранних стадиях лица никогда не были естественными или социально встречающимися человеческими выражениями, а были симуляциями, созданными грубым приложением электричества к мускулам.Тем не менее, Дюшенн считал, что использование фотографии и других технических систем превратит мягкий бизнес репрезентации в нечто объективное и доказательное, более подходящее для научных исследований. Дарвин похвалил «великолепные фотографии» Дюшенна и включил репродукции в свои собственные работы.

Экман вслед за Дюшеном поставил фотографию в центр своей экспериментальной практики.Он считал, что замедленная съемка важна для его подхода, потому что многие выражения лица действуют на пределе человеческого восприятия. Цель состояла в том, чтобы найти так называемые микровыражения — крошечные движения мышц лица.

Одним из амбициозных планов Экмана в его ранних исследованиях было систематизировать систему для обнаружения и анализа мимики. В 1971 году он стал соавтором описания того, что он назвал «Техникой оценки лицевых аффектов» (FAST).

Опираясь на поставленные фотографии, в подходе использовались шесть основных эмоциональных типов, в значительной степени заимствованных из интуиции Экмана.Но вскоре FAST столкнулся с проблемами, когда другие ученые столкнулись с выражениями лиц, не включенными в его типологию. Таким образом, Экман решил обосновать свой следующий инструмент измерения мускулатурой лица, взяв за основу оригинальные исследования Дюшена, посвященные электрошоку. Экман выделил примерно 40 различных мышечных сокращений на лице и назвал основные компоненты каждого выражения лица «единицей действия». После некоторого тестирования и проверки Экман и Уоллес Фризен опубликовали Систему кодирования действий для лица (FACS) в 1978 году; обновленные редакции продолжают широко использоваться.

Несмотря на финансовый успех, использование FACS было очень трудоемким. Экман писал, что на обучение пользователей методологии FACS уходит от 75 до 100 часов, а на то, чтобы записать одну минуту лица, — час. Эта задача представляла собой именно тот тип возможностей, которым жаждала воспользоваться развивающаяся область компьютерного зрения.

Когда работа по использованию компьютеров для распознавания аффектов начала обретать форму, исследователи осознали необходимость в коллекции стандартизированных изображений для экспериментов.В отчете Национального научного фонда 1992 года, написанном в соавторстве с Экманом, рекомендовалось, что «легкодоступная мультимедийная база данных, совместно используемая разнообразным исследовательским сообществом лиц, станет важным ресурсом для решения и расширения проблем, связанных с распознаванием лиц». В течение года Министерство обороны начало финансировать программу по сбору фотографий лиц. К концу десятилетия исследователи машинного обучения начали собирать, маркировать и публиковать наборы данных, которые лежат в основе сегодняшних исследований машинного обучения.Академические лаборатории и компании работали над параллельными проектами, создавая множество баз данных фотографий. Например, исследователи в лаборатории в Швеции создали «Каролинские эмоциональные лица». Эта база данных содержит изображения людей, изображающих заданные эмоциональные выражения, соответствующие категориям Экмана. Их лица приобрели формы, соответствующие шести основным эмоциональным состояниям: радость, гнев, отвращение, печаль, удивление и страх. Глядя на эти тренировочные наборы, трудно не поразиться ощущению пантомимы: Невероятный сюрприз! Обильная радость! Парализующий страх! Эти субъекты буквально вызывают машиночитаемые эмоции.

По мере того, как область увеличивалась в масштабе и сложности, росли и типы фотографий, используемых для распознавания аффектов. Исследователи начали использовать систему FACS для маркировки данных, созданных не на основе заданных выражений, а, скорее, на основе спонтанных выражений лица, иногда собираемых вне лабораторных условий. Работа Экмана оказала глубокое и разностороннее влияние. New York Times охарактеризовал Экмана как «самого известного в мире читателя лица», а журнал Time назвал его одним из 100 самых влиятельных людей в мире.В конечном итоге он консультировался с такими разными клиентами, как Далай-лама, ФБР, ЦРУ, Секретная служба и анимационная студия Pixar, которые хотели создать более реалистичные изображения мультяшных лиц. Его идеи вошли в массовую культуру, вошли в бестселлеры, такие как « Blink » Малкольма Гладуэлла и телевизионная драма « Обмани меня », в которой Экман был консультантом на роль главного героя, очевидно, частично основанного на нем.

Его бизнес процветал: Экман продавал методы обнаружения обмана таким агентствам, как Управление транспортной безопасности, которое использовало их для разработки программы проверки пассажиров методами наблюдения (SPOT).SPOT использовался для отслеживания выражений лиц авиапассажиров после терактов 11 сентября в попытке «автоматически» обнаружить террористов. Система использует набор из 94 критериев, каждый из которых предположительно является признаком стресса, страха или обмана. Но поиск этих ответов означает, что некоторые группы сразу же оказываются в невыгодном положении. Любой, кто находится в стрессовом состоянии, чувствует себя некомфортно во время допроса или имеет негативный опыт общения с полицией и пограничниками, может получить более высокий балл. Это создает свои собственные формы расового профилирования.Программа SPOT подверглась критике со стороны Счетной палаты правительства и групп по защите гражданских свобод за ее расовую предвзятость и отсутствие научной методологии. Несмотря на цену в 900 миллионов долларов, нет никаких доказательств того, что он принес явный успех.

По мере роста известности Экмана рос и скептицизм к его работе с критикой, исходящей из ряда областей. Одним из первых критиков был культурный антрополог Маргарет Мид, которая в конце 1960-х обсуждала Экман по вопросу об универсальности эмоций.Мида не убедила вера Экмана в универсальные биологические детерминанты поведения, существующие отдельно от сильно обусловленных культурных факторов.

Ученые из разных областей присоединились к хору на протяжении десятилетий. В последние годы психологи Джеймс Рассел и Хосе-Мигель Фернандес-Долс показали, что самые основные аспекты науки остаются неопределенными. Возможно, самым главным критиком теории Экмана является историк науки Рут Лейс, которая видит фундаментальную замкнутость в методе Экмана.Постановочные или смоделированные фотографии, которые он использовал, должны были выражать набор основных аффективных состояний, которые, как писал Лейс, «уже свободны от культурного влияния». Эти фотографии затем использовались для получения ярлыков у разных групп населения, чтобы продемонстрировать универсальность мимики. Психолог и нейробиолог Лиза Фельдман Барретт прямо заявляет об этом: «Компании могут говорить все, что хотят, но данные ясны. Они могут заметить хмурый взгляд, но это не то же самое, что обнаружить гнев.

Еще больше беспокоит то, что в области изучения эмоций исследователи не пришли к единому мнению о том, что на самом деле представляет собой эмоция. Что такое эмоции, как они формулируются и выражаются внутри нас, какими могут быть их физиологические или нейробиологические функции, их отношение к стимулам — все это остается неизученным. Почему при таком большом количестве критических замечаний подход «чтения эмоций» по лицу терпеливо? С 1960-х годов, благодаря значительному финансированию Министерства обороны, было разработано несколько систем, которые все более и более точны при измерении движений лица.Теория Экмана казалась идеальной для компьютерного зрения, потому что ее можно было автоматизировать в больших масштабах. Теория соответствовала возможностям инструментов.

Были сделаны мощные институциональные и корпоративные инвестиции, основанные на признании достоверности теорий и методологий Экмана. Признание того, что эмоции нелегко классифицировать или что их нельзя надежно определить по выражению лица, может подорвать растущую отрасль. Во многих статьях по машинному обучению Экман цитируется так, как будто эти проблемы решены, прежде чем непосредственно переходить к инженерным задачам.Часто игнорируются более сложные вопросы контекста, обусловленности, взаимоотношений и культуры. Сам Экман сказал, что его беспокоит коммерциализация его идей, но когда он обратился к технологическим компаниям с просьбой предоставить доказательства того, что их программы распознавания эмоций работают, он не получил ответа.

Вместо того, чтобы пытаться построить больше систем, которые группируют выражения в машиночитаемые категории, мы должны подвергнуть сомнению происхождение самих этих категорий, а также их социальные и политические последствия.Например, известно, что эти системы выделяют речевые аффекты женщин, особенно чернокожих, в отличие от мужчин. Исследование, проведенное в Университете Мэриленда, показало, что некоторые программы распознавания лиц интерпретируют черные лица как имеющие больше негативных эмоций, чем белые лица, в частности, регистрируя их как более злые и презрительные, даже если контролировать степень их улыбки.

Это опасность автоматического распознавания эмоций. Эти инструменты могут вернуть нас во френологическое прошлое, когда ложные утверждения использовались для поддержки существующих систем власти.Десятилетия научных споров по поводу последовательного определения эмоционального состояния по лицу человека подчеркивают центральный момент: универсальное «обнаружение» — неправильный подход. Эмоции сложны, они развиваются и изменяются в зависимости от нашей культуры и истории — всех разнообразных контекстов, которые существуют вне рамок ИИ.

Но уже сейчас кандидатов на вакансию судят несправедливо, потому что их выражение лица или голосовой тон не соответствуют таковым у других сотрудников. Учащиеся отмечаются в школе, потому что их лица выглядят сердитыми, а клиентов допрашивают, потому что их лица указывают на то, что они могут быть ворами.Это люди, которые будут нести расходы на системы, которые не только технически несовершенные, но и основаны на сомнительных методологиях. Узкая таксономия эмоций, выросшая из первоначальных экспериментов Экмана, кодируется в системах машинного обучения как показатель бесконечной сложности эмоционального опыта в мире.

Эта статья адаптирована из недавней книги Кейт Кроуфорд « Атлас искусственного интеллекта: власть, политика и планетарные затраты на искусственный интеллект».

Переживание и выражение эмоций | Консультационный центр Университета Иллинойса

Эмоции — часть нашей повседневной жизни. Иногда может казаться, что наши чувства контролируют то, как мы думаем и действуем, до такой степени, что мы чувствуем, что не контролируем ситуацию. Переживание и выражение эмоций — неотъемлемые части жизни. Но для многих эмоции остаются загадочными, сбивающими с толку, и их трудно выразить конструктивно. В этой брошюре представлена ​​информация о том, как научиться включать эмоции в свою жизнь здоровыми способами, в том числе о том, как выражать их таким образом, чтобы это способствовало построению здоровых отношений.

Принимать и ценить свои чувства

Часто существует сильная связь между событиями в вашей жизни и вашими чувствами — например, чувство печали в ответ на потерю или ощущение счастья в ответ на что-то желаемое. Иногда чувства связаны с прошлыми событиями или даже с ожиданиями на будущее. Например, печаль из-за того, что произошло недавно, может вызвать сожаление по поводу других прошлых потерь. Многие студенты могут беспокоиться о своем выборе будущей карьеры.Вместо того, чтобы игнорировать или импульсивно выражать свои чувства, важно думать о них, чтобы вы могли изучить и улучшить свои реакции. Когда вы что-то чувствуете, подумайте о том, чтобы задать себе следующие вопросы:

• Что это за чувство?
• Что это чувство говорит мне об этой ситуации?
• Почему это чувство происходит сейчас?

Идентификация чувств

Чтобы научиться определять связь между своими чувствами и конкретными событиями (или факторами стресса) в вашей жизни, может потребоваться время, но это важно для того, чтобы научиться справляться с эмоциями здоровым образом.Вот некоторые вещи, которые следует учитывать при обучении определять свои чувства:

• Вы можете заметить физическую или телесную реакцию на эмоцию (например, страх может казаться узлом в животе или сдавливанием в горле; смущение может заставить вас покраснеть).
• Реакции вашего тела могут указывать на закономерность (например, чувство нервозности перед началом каждого экзамена).

Чувства также связаны с вашим поведением. Если вы не знаете, что чувствуете, но понимаете, что действуете таким образом, что посылаете ясный сигнал другим, вы можете сделать вывод о том, что вы чувствуете, по своему поведению.Например, если у вас сердитое выражение лица или тон голоса, когда вы разговариваете с определенным другом, возможно, вы злитесь или разочарованы этим человеком, не осознавая этого. Очень полезно установить связь между жизненными событиями и вашими чувствами. Продолжая этот же пример, как только вы осознаете свои чувства, вы сможете более четко понять и сформулировать свои проблемы с другом.

Интерпретации и восприятие

Часто чувства связаны с вашей интерпретацией событий больше, чем с самими событиями.Хотя естественно думать, что вы реагируете только на события своей жизни, вы делаете интерпретацию или суждение об этих событиях, основываясь на вашем восприятии события или человека. Если задуматься, каждое событие может вызвать самые разные эмоциональные реакции; ваша интерпретация события помогает связать конкретную эмоциональную реакцию с этим событием.

Ваши интерпретации могут показаться настолько быстрыми (или автоматическими), что вы можете не осознавать, что они происходят. Когда ваша эмоциональная реакция непропорциональна событию, скорее всего, это связано с вашей быстрой, необнаруживаемой интерпретацией этого события, а не с самим событием.Дальнейшее изучение этого может помочь вам получить представление о своих эмоциональных реакциях. Вот несколько распространенных, повторяющихся обреченных на провал интерпретаций:

• Дихотомическое мышление. При таком способе мышления вы интерпретируете события как крайности (все или ничего). Другими словами, события бывают прекрасными или ужасными, без распознавания серых зон между ними.
• Чрезмерная персонализация. Здесь кто-то приходит к выводу, что поведение или настроение другого человека вызваны им. Поэтому, когда друг в плохом настроении, человек предполагает, что это его вина.
• Чрезмерное обобщение. Это когда кто-то оказывает на что-то большее влияние, чем оно есть на самом деле. Например, кто-то может подумать, что он плохой ученик, потому что он плохо сдает один тест.
• Фильтрация. Это когда мы преувеличиваем негативные события и не принимаем во внимание позитивные. Например, ученик может обратить внимание только на один отрицательный комментарий после презентации в классе, а не на многие другие положительные.
• Эмоциональное рассуждение. Это означает, что вы путаете свои эмоции с правдой.Например, если вы чувствуете себя одиноким, вы определяете, что не достойны отношений или друзей. Признание этих тенденций к саморазрушению может быть трудным, но не определяет вас как личность. Они могут помочь нам научиться более точно и продуктивно выражать свои чувства.

Выражение своих чувств

Культурное происхождение, семейные ценности и многие другие факторы могут влиять на то, как мы выражаем эмоции. Обычно мы учимся выражать свои эмоции двумя основными способами: либо напрямую выражать их кому-то другому (например,g., в личном противостоянии), или скрывать свои чувства и держать их при себе. Изучение способов выражения своих эмоций, соответствующих нашим культурным ценностям, при одновременном учете наших потребностей и чувств может быть полезным как для нас самих, так и для наших отношений с другими.

Например, рассмотрим сценарий, когда близкий друг планирует уехать. Вы можете расстроиться, разочароваться или даже расстроиться из-за этого изменения. Есть много способов отреагировать:

• Вы можете быть так расстроены, что хотите избегать друга, пока он не двинется с места.
• Вы можете оставаться занятыми или с нетерпением искать новых друзей, чтобы не чувствовать себя одиноким или грустным.

Однако у вас также есть возможность более продуктивно выразить свои эмоции:

• Вы можете сказать своему другу, что будете скучать по ним.
• Вы можете приложить особые усилия, чтобы увидеть их еще до того, как они двинутся.

Вот несколько полезных вопросов, которые следует учитывать при принятии решения о том, как реагировать на свои чувства:

• Соответствует ли накал моих чувств ситуации?
• Есть ли у меня несколько чувств, на которые мне нужно обратить внимание?
• Какую интерпретацию или суждение я делаю по поводу этого события?
• Как я могу выразить свои чувства?
• Каковы последствия для меня каждого варианта?
• Каковы последствия каждого варианта для других?
• На какой результат я надеюсь?
• Что я хочу сделать?
• Что делать, если я ничего не сделаю?

Даже если вы сделаете глубокий вдох или отправитесь на прогулку, чтобы подумать, можно отреагировать на свои чувства.Помните, что у вас есть много вариантов выражения эмоций.

Понимание влияния вашей культуры и семьи

Как упоминалось ранее, наши семьи и культурные особенности помогают формировать наше отношение к эмоциям, наши способности определять эмоции, наши способы интерпретации событий и способы выражения эмоций. Многие люди не помнят, как их учили «семейным правилам», касающимся эмоций, но такие учения происходили прямо или незаметно. Тонким примером может быть ситуация, когда родитель дистанцировался от вас или покидал комнату, когда вы злились, тем самым указывая на неприемлемость выражения гнева.В других семьях родитель может кричать: «Не повышайте голос на меня», предлагая правило, запрещающее ребенку выражать гнев, но тонко передавая правило, согласно которому выражение родительского гнева разрешено. Иногда изучение или определение правил вашей семьи и культуры может помочь вам начать распознавать свои собственные реакции и начать вносить изменения.

• Некоторые общие примеры усвоенных / непродуктивных правил для эмоций:
• Всегда относитесь к чувствам других людей как к более важным, чем к своим собственным.
• Никогда не делайте ничего, что может вызвать конфликт или негативные чувства к кому-либо.
• Не выражайте гнева.
• Используйте гнев, чтобы привлечь внимание.
• Не обращайте внимания на свои чувства.
• Не доверяйте другим свои чувства; держи их при себе.
• Никогда не доверяйте своим чувствам; доверяйте только своей логике.
• Будьте всегда счастливы.

Иногда мы также узнаем «приемлемые» эмоциональные реакции, основанные на нашем поле или сексуальной идентичности, от наших семей, когда на самом деле здоровое выражение эмоций важно для всех.Став взрослым, у вас есть больше возможностей, включая замену тех правил, которые вам не помогают.

Заключительная записка

Научиться полностью испытывать свои чувства и выражать их адаптивным и здоровым образом — непростой процесс, но есть несколько ключевых компонентов, которые могут помочь. В общем, важно хорошо наблюдать за своими чувствами, принимать и ценить их, а также обращать внимание на то, что они вам сигнализируют. Обратите внимание на то, как ваши интерпретации и мысли влияют на то, как вы себя чувствуете, а также на то, как уроки, полученные в вашей семье о выражении эмоций, продолжают влиять на ваше поведение.Решая, как выразить свои чувства, подумайте обо всех возможных вариантах. И самое главное, наберитесь терпения. Не расстраивайтесь, когда обнаруживаете, что боретесь с этим процессом. Научиться испытывать и выражать свои эмоции — это процесс на всю жизнь.

Хотите узнать больше?

Файерстоун, Лиза (2018). Как эмоции направляют нашу жизнь. Психология сегодня. Получено с сайта psychoologytoday.com/us/blog/compassion-matters/201801/how-emotions-guide-our-lives

Бек, Джули (2015).Как лучше выражать эмоции. Атлантический океан. Получено с theatlantic.com/health/archive/2015/11/how-to-get-better-at-expressing-emotions/416493/.

Дэвид, Сьюзен (2017). Дар и сила эмоционального мужества [видеофайл]. Получено с ted.com/talks/susan_david_the_gift_and_power_of_emotional_courage.

Распознавание эмоций и рейтинги достоверности, предсказываемые типом голосового стимула и просодическими параметрами

Производительность классификации людей по сравнению с RF

Используя RF в качестве эталона точности работы слушателей, мы заметили, что, несмотря на тот факт, что шаблоны ошибок RF были значительно ниже для определенных эмоций, чем у слушателей, по всем эмоциям автоматическая классификация эмоций была значительно менее успешной, чем классификация слушателей.Превосходная производительность слушателей может быть связана с тем фактом, что они могли использовать большее количество эмоциональных маркеров [например, интонационные образцы, символы различных эмоций (например, смех, вздохи), валентность, возбуждение], недоступных для статистического алгоритма, чьи Прогнозы категорий эмоций были основаны на полностью автоматическом наборе акустических параметров, извлеченных из относительно небольших наборов обучающих данных. Хотя алгоритмы классификации, похоже, не воспроизводят процессы вывода человеческих декодеров, они, по-видимому, имеют более низкую частоту ошибок, чем у слушателей при классификации определенных эмоций (например,г., отвращение) исключительно на основании их акустических профилей. Это было указано в предыдущей работе (Banse and Scherer, 1996), а также в нашем текущем наборе данных.

Типы голосовых стимулов, предсказываемые акустическими параметрами

В соответствии с предыдущими выводами (например, Lima et al., 2013; Sauter, 2006) наши результаты ясно показали, что распознавание эмоций от вокальных взрывов в гораздо большей степени зависит от их сохранения. акустической информации (амплитуда, высота тона), чем стимулы, встроенные в речь.Этот результат соответствует идее о том, что вокальные всплески являются более примитивными и заметными сигналами эмоций, чем вокализации, встроенные в речь, в эволюционном смысле (Krumhuber and Scherer, 2011). Поскольку они не требуют динамического формирования спектра, вызванного быстрыми движениями артикуляторов (т. Е. Языка, челюсти, губ и мягкого неба, которые формируют звук, производимый в гортани), было высказано предположение, что вокальные взрывы больше напоминают вокализации животных. чем разговорный язык (Krumhuber and Scherer, 2011; Scott et al., 2010). Например, смех был описан как больше сродни измененному дыханию, включающему как вдох, так и выдох, чем разговору (Kohler, 2008). Кроме того, мы обнаружили, что нейтральные слова (например, Анна; семантические нейтральные существительные) лучше предсказываются акустическими параметрами, чем другие стимулы, встроенные в речь. Это хорошо согласуется с идеей о том, что слова, похожие на всплески аффектов, представляют собой произвольные комбинации фонем, валентность которых определяется тем, что они символизируют (Schirmer, 2010).

Хотя параметры, связанные с амплитудой, частотой и временем, важны для эмоциональной интонации разговорной речи (Baenziger and Scherer, 2005; Banse and Scherer, 1996), как показывают наши данные, доля дисперсии, объясняемая этими показателями, составляет немного ниже для предложений или стимулов с семантическим отрицательным или положительным подтекстом.Хотя эти различия могут быть связаны с качеством наших встроенных в речь стимулов, разница между эмоциональной речью и голосовыми всплесками может также отражать тот факт, что эмоции в речи накладываются на речевой сигнал. Это означало бы, что речь несколько более ограничена в своем эмоциональном выражении, чем невербальная вокализация (Scott et al., 2010). Таким образом, могут возникать конфликты между просодическими сигналами в речи на уровне предложений, которые обозначают эмоциональную информацию, и теми, которые указывают на лингвистическую информацию.Действительно, исследования показали, что в стимулах, встроенных в речь, эмоциональная информация, полученная из семантики, в какой-то мере сильнее, чем та, которую передают просодические сигналы (например, Pell et al., 2011; Paulmann and Kotz, 2008). Подобно предыдущим исследованиям перцепционно-акустических коррелятов уверенности, которая выражается в голосе говорящего (например, Jiang and Pell, 2017; Rigoulout et al., 2013; Pell and Kotz, 2011), наши результаты подчеркивают, что уверенность слушателей суждения предсказываются различными наборами акустических параметров.Следует отметить, что для более коротких стимулов (т. Е. Всплесков аффекта, существительных) продолжительность была значимым предиктором доверительных суждений слушателей, в то время как для более длинных стимулов (псевдо-, лексические и нейтральные предложения) параметров основной частоты объясняли самые большие параметры. количество отклонений в рейтингах доверия.

Сравнение стимулов и эмоций / достоверность, предсказанная правильным распознаванием эмоций

Результаты логистических и линейных моделей, реализованных в нашем исследовании, показали, что большинство акустических предикторов и типов голосовых стимулов оказали значительное влияние на распознавание эмоций слушателями и их доверительные суждения.Более того, наши результаты показали, что правильные суждения об эмоциях вызывают уверенные интерпретации. Эти результаты будут подробно обсуждены ниже.

Результаты, полученные в нашем исследовании, ясно показали, что слушатели были значительно более точными и уверенными в оценке эмоций по неречевым звукам (т. Е. Всплескам аффекта), чем по встроенным в речь стимулам (т. Этот результат дополняет предыдущие исследования, которые продемонстрировали, что аффективные всплески декодируются более точно, чем просодия со встроенной речью (Hawk et al., 2009). Дальнейшие доказательства получены из нейрофизиологических исследований, показывающих, что неречевые звуки способствуют ранним стадиям обработки восприятия в виде уменьшения амплитуд N1 и увеличения амплитуд P2 в связанных с событиями потенциалах мозга (Pell et al., 2015; Liu et al., 2012 ). Другими словами, всплески аффектов, как эволюционные фундаментальные сигналы, по-видимому, вызывают более быстрый захват внимания, чем встроенные в речь стимулы, предполагающие более трудоемкие когнитивные процессы и акустический анализ (Pell et al., 2015) за успешное признание. Подобно недавним открытиям (Schaerlaeken and Grandjean, 2018), наши данные показали, что точное декодирование всплесков аффекта привело к более достоверным суждениям. В свете вышеупомянутых исследований можно утверждать, что эти типы стимулов несут более экологически значимую информацию и, таким образом, имеют приоритет нейрокогнитивной системы, что позволяет людям быть более точными и уверенными в своих суждениях о желательных / нежелательных событиях в их окружение.Кроме того, наши результаты показали, что для стимулов с лексико-семантическим содержанием (т. Е. Существительных, лексических и нейтральных предложений) точность оценки производительности и достоверности значительно выше, чем для стимулов, лишенных смысла (т. Е. Псевдословов; псевдопредложений). ). Эти выводы подтверждаются исследованиями по валидации, в которых сообщается о большей точности семантики по сравнению с псевдоречевыми высказываниями (например, Castro and Lima, 2010), а также исследованиями, показывающими, что совпадающие комбинации семантики и просодии дают не только большую точность (например, Castro and Lima, 2010).g., Ben-David et al., 2016), но, как показывают закономерности в нашем исследовании, также имеет более высокий рейтинг достоверности по сравнению с нейтральными предложениями. При сравнении стимулов с семантическим позитивным, негативным и нейтральным содержанием не наблюдалось значительных различий в точности распознавания, тем не менее, слушатели чувствовали себя значительно более уверенно при обнаружении эмоций в семантическом негативе, чем в семантических позитивных или нейтральных отдельных словах (существительных). Одно из объяснений того, почему в социальных суждениях возникает такая негативная предвзятость, заключается в том, что люди обычно считают отрицательную информацию более диагностической, чем положительную, при формировании общего впечатления (например,г., Гамильтон и Хаффман, 1971). Это подтверждается исследованиями, показывающими, что люди считают негативную информацию более важной для формирования впечатления, и, когда такая информация им доступна, они впоследствии более уверены в себе (например, Baumeister et al., 2001; Hamilton and Zanna, 1972). Другое возможное объяснение состоит в том, что отрицательные стимулы оказывают более сильное влияние на оценки людей, потому что эти стимулы более сложные, чем положительные, и, следовательно, требуют большего внимания и когнитивной обработки (например,г., Ито и др., 1998; Петерс и Чапински, 1990; Абеле, 1985). Правильное распознавание, по-видимому, определяет повышение уверенности в суждениях, однако, сравнивая стимулы Анны с стимулами других типов, мы заметили, что при правильной категоризации эмоций для этого типа стимула слушатели чувствовали себя более уверенными в правильности своего ответа. Поскольку слушатели должны были принимать решения по одному и тому же объекту, который неоднократно предъявлялся (то есть по имени Анна), можно было бы возразить, что это могло привести к эффекту знакомства со стимулом.Исследования метапознания показали, что знакомство с предметом приводит к более высоким рейтингам уверенности, поскольку участники полагают, что большее знание предмета означает, что они более точны, хотя было показано, что это не имеет отношения к делу (например, Koriat, 2008; Metcalfe и др., 1993).

Еще одним важным выводом текущего исследования было то, что для подавляющего большинства стимулов оценки точности и уверенности слушателей были значительно выше, когда они произносились гневным и нейтральным тоном голоса, чем при любой другой эмоциональной просодии.Напротив, точность распознавания и рейтинги уверенности были самыми низкими для отвращения, за исключением всплесков аффекта. Одна интересная закономерность, которая возникла из наших данных, заключалась в том, что слушатели чувствовали себя более уверенно при классификации удивления, чем отвращения и страха (например, псевдо- и лексические предложения) или счастья (например, лексические предложения), несмотря на то, что их точность исполнения была значительно ниже для последняя эмоция. Более того, мы обнаружили, что для существительных просодия со страхом приводила к более высоким показателям точности и доверительной вероятности, чем печаль, хотя для других типов стимулов наблюдалась прямо противоположная картина.Счастье давало более высокие баллы точности и рейтинги уверенности по сравнению с отвращением, тогда как по сравнению с другими эмоциями это в значительной степени зависело от типа стимула (для обзора см. Таблицу S4 в дополнительных материалах). Предыдущие исследования просодии выявили противоречивые данные о различиях между эмоциональной и нейтральной просодией. Они сообщили, что стимулы, произносимые в нейтральном тоне, можно идентифицировать более точно и с более высоким рейтингом достоверности по сравнению с другими эмоциональными просодиями, независимо от семантики (Cornew et al., 2009; Ширмер и Коц, 2003). Наши результаты совпадают с предыдущими работами по распознаванию голосовых эмоций, вместе указывая на общее преимущество распознавания нейтральной просодии, а также выражений гнева по сравнению с другими вокальными выражениями (например, Cowen et al., 2019b; Chronaki et al., 2018; Paulmann, Uskul, 2014; Pell et al., 2009; Scherer et al., 2001). Эти данные также совместимы с эволюционными теориями, утверждающими, что люди, как и другие приматы, биологически готовы быстро реагировать на голосовые сигналы, связанные с угрозой или гневом (например,г., Оеман, 1993). Утверждалось, что особенно неречевые звуки (например, рычание гнева, смех счастья или крики печали) передают эмоции яснее и быстрее, чем слова (Pell et al., 2015). Наши результаты, однако, показали, что при определении эмоций из всплесков аффекта слушатели были менее точны и чувствовали себя менее уверенно при обнаружении гнева по сравнению с другими эмоциональными просодиями. Предыдущие результаты сообщают о похожих моделях точности при декодировании гнева от всплесков аффекта (Pell et al., 2015; Белин и др., 2008). Однако остается неясным, почему возник этот эффект. Возможное объяснение связано с акустикой действующих звуков гнева, которые могут отличаться от естественных. Аникин и Лима (2018), например, сообщили, что аутентичные вокализации (например, гнев, страх) отличаются от изображений актеров по ряду акустических характеристик, показывая более высокую высоту тона и более низкую гармоничность, а также менее изменчивый спектральный наклон и амплитуды (но также см. Juergens et al., 2015, 2011, где обсуждается вопрос аутентичных ииграть действующие выражения). Таким образом, может быть правдоподобным, что эти акустические характеристики аутентичности являются трудно поддельными маркерами эмоционального состояния говорящего и, таким образом, сигнализируют о различии между честным общением и блефом (Anikin and Lima, 2018). Паттерны, полученные для отвращения, также согласуются с паттернами предыдущих исследований, показывающих, что после удивления это наиболее сложное эмоциональное выражение, которое можно распознать по встроенным в речь стимулам (например, Paulmann and Uskul, 2014), но не по неречевым звукам. предположительно потому, что эта эмоция просто выражается в виде всплесков аффекта или коротких междометий (например,g., yuck), а не в смысловом контексте (Johnstone and Scherer, 2000; Banse and Scherer, 1996). Напротив, удивление дает более высокие оценки уверенности, чем отвращение или страх, что может быть связано с тем, что люди более склонны замечать и сосредотачиваться на неожиданных событиях и, следовательно, с большей вероятностью будут уделять им внимание (Wilson and Gilbert, 2008). Следуя этим аргументам, можно предположить, что, подобно гневу, удивление может также служить функциональной и адаптивной цели, поскольку люди могут тратить свою энергию на оценку того, является ли то, что происходит перед ними, угрозой, шуткой или безобидным событием, тем самым вызывая больше уверенные оценки.Аналогичный аргумент может быть применен к нашим результатам относительно сравнения страха и печали. Страх как выражение, сигнализирующее об угрозе, может потребовать меньшего количества слуховых сигналов для точного декодирования (т. Е. Более короткие стимулы — в нашем случае существительные), в то время как определение печали по речи может активировать дополнительные социальные значения, на анализ которых уходит больше времени и более тщательная публикация -обработка сообщений.

Подводя итог, этот набор результатов расширяет предыдущие выводы из лицевой области (Kelly and Metcalfe, 2011), показывая, что слушатели, которые лучше распознавали голосовые выражения эмоций, также были более уверены в своих суждениях.Хотя для некоторых типов стимулов или категорий эмоций наблюдались небольшие различия между точностью распознавания эмоций и рейтингами уверенности, в целом наши результаты подтверждают, что правильное распознавание эмоций увеличивает уверенность в суждениях. Наши результаты показывают, что люди могут прогнозировать и оценивать свои действия для распознавания эмоциональной просодии.

Могут ли технологии читать ваши эмоции?

Основная идея технологии распознавания эмоций не так уж и сложна.

Подсказки о ваших эмоциях основаны на выражении лица и тела, тоне вашего голоса, словах, которые вы говорите, и биометрических данных, таких как ваш пульс и частота сердечных сокращений. Чтобы получить эту информацию, технология использует микрофоны, камеры, датчики в различных местах (например, в автомобилях) и такие устройства, как смартфоны.

Иногда сигнал может быть довольно очевидным: более громкий голос может указывать на гнев, беспокойство или волнение. Например, Amazon Halo анализирует позитив по голосу пользователя.Автомобили обычно обнаруживают усталость, изучая модели вождения, хотя более сложные системы будущего могут также отслеживать более широкий спектр входных данных, включая подсказки, исходящие от глаз водителя, выражения лица и частоту сердечных сокращений, а также сигналы от самого автомобиля.

Если основная концепция проста, точная интерпретация сигналов от разных людей и культур создает огромные проблемы программирования. Просто подумайте, как трудно понять, что на самом деле может означать чья-то приподнятая бровь или лукавая улыбка.

Эксперты предупреждают, что системы могут проявлять предвзятость, потому что они не могут должным образом учитывать расовые, половые и другие различия. Например, автор исследования 2018 года использовал технологию распознавания эмоций Microsoft AI и Face ++ для изучения портретов более 400 баскетболистов НБА, размещенных на сайтеball-reference.com. Microsoft отметила, что черные игроки более высокомерны, чем белые, а Face ++, разработанный китайской компанией, обнаружил, что черные игроки в целом злее.

Несмотря на все страстные дискуссии о потенциале ИИ, некоторые ведущие эксперты сомневаются, что технология когда-либо сможет правильно интерпретировать эмоции. Препятствия включают различия между людьми, культурами и обстоятельствами. Машины могут просто не уловить тонкости.

«Когда у вас нет контекста, невозможно точно поместить эту эмоцию в ведро», — говорит Рита Сингх, доцент-исследователь Университета Карнеги-Меллона и автор книги «Профилирование людей из их голос.«Машины не могут заполнить пробелы, как люди».

Она говорит, что в большинстве случаев продавец будет более эффективным, чем машина. Она приводит в пример продавца, который узнает, чем Сингх зарабатывает на жизнь. «Суть в том, что я профессор, у меня есть деньги, и я могу их потратить, верно?» она говорит. «Во многих случаях то, что вы говорите, важнее, чем то, как вы это говорите. Так что основная эмоция может даже не иметь значения ».

Возможность неправильного толкования и злоупотреблений побудила некоторых экспертов искать ограничения на распознавание эмоций, и Институт AI Now при Нью-Йоркском университете призывает к полному запрету.

Некоторые лидеры отрасли, такие как Эль Калиуби, автор книги «Девушка, расшифрованная: поиски ученого, чтобы вернуть нашу человечность путем внедрения эмоционального интеллекта в технологии», выступают за регулирование для предотвращения злоупотреблений.

«Есть невероятная возможность творить добро в мире, например, с аутизмом, с автомобилем, с безопасностью наших автомобилей, с приложениями для психического здоровья», — говорит она. «Но давайте не будем наивными, правда? Давайте признаем, что это также может быть использовано для дискриминации людей.И давайте убедимся, что мы настаиваем на продуманном регулировании, но также, как предприниматели и руководители бизнеса, остерегаемся таких случаев ».

Может ли искусственный интеллект понимать эмоции?

Когда John McCarthy и Marvin Minsky основали искусственный интеллект в 1956 году, они были поражены тем, как машина может решать невероятно сложные головоломки быстрее, чем люди. Однако оказывается, что научить искусственный интеллект выигрывать в шахматном матче на самом деле довольно просто.Что могло бы создать проблемы, так это научить машину тому, что такое эмоции и как их воспроизвести.

«После 60 лет искусственного интеллекта мы признали, что то, что мы изначально считали легким, на самом деле очень сложно, а то, что мы считали сложным, например, игра в шахматы, очень легко»

Алан Уинфилд, профессор робототехники в UWE , Бристоль,

Социальные и эмоциональный интеллект почти автоматически приходят к человеку; мы реагируем на инстинкт.Хотя некоторые из нас более восприимчивы, чем другие, мы можем легко интерпретировать эмоции и чувства окружающих. Этот базовый уровень интеллекта, с которым мы частично родились, а частично научились, говорит нам, как вести себя в определенных сценариях. Итак, можно ли научить машину этому автоматическому пониманию?

Emotion AI

Хотя название может вас сбить с толку, Emotion AI не относится к плачущему компьютеру, у которого была плохая неделя. Emotion AI , также известный как Affective Computing , восходит к 1995 году и относится к области искусственного интеллекта, которая направлена ​​на обработку, понимание и даже воспроизведение человеческих эмоций.Технология направлена ​​на улучшение естественного общения между человеком и машиной, чтобы создать ИИ, который общается более аутентичным способом. Если ИИ сможет обрести эмоциональный интеллект, возможно, он также сможет воспроизвести эти эмоции.

Как [машина] может эффективно передавать информацию, если она не знает вашего эмоционального состояния, если она не знает, как вы себя чувствуете, она не знает, как вы собираетесь реагировать на конкретный контент »

Хавьер Эрнандес, научный сотрудник группы Affective Computing Group в MIT Media Lab,

В 2009 году Рана эль Калиуби и Пикард основали в Бостоне компанию Affectiva, занимающуюся искусственным интеллектом, которая специализируется на автомобильном искусственном интеллекте и рекламных исследованиях.С согласия клиента камера пользователя фиксирует его реакцию во время просмотра рекламы. Используя « Multimodal Emotion AI », который анализирует выражение лица, речь и язык тела, они могут получить полное представление о настроении человека.

Их уровни точности 90% благодаря их разнообразным тестовым наборам 6 миллионов лиц из 87 разных стран используются для обучения алгоритмов глубокого обучения. Из разнообразного набора данных ИИ узнает, какие показатели языка тела и моделей речи совпадают с разными эмоциями и мыслями.

Как и люди, машины могут производить более точное понимание наших эмоций с помощью видео и речи, чем просто текста. Анализ настроений или анализ мнений, подполе N «Обработка естественного языка» — это процесс алгоритмической идентификации и категоризации мнений, выраженных в тексте, для определения отношения пользователя к предмету. Этот вариант использования может применяться во многих секторах, таких как аналитические центры, центры обработки вызовов, телемедицина, продажи и реклама, чтобы вывести общение на новый уровень.

В то время как ИИ мог бы разделить то, что мы говорим, на положительные или отрицательные, действительно ли он понимает, что мы чувствуем, или подтекст под ? Даже будучи людьми, мы упускаем культурных ссылок, сарказма и нюансов в языке , которые полностью меняют значение и, следовательно, отображаемые эмоции. Иногда именно то, что мы упускаем и не говорим, также может подразумевать то, что мы чувствуем. ИИ не достаточно сложен, чтобы понять этот подтекст, и многие сомневаются, что он когда-нибудь поймет.

Может ли ИИ проявлять эмоции?

Во многих из этих случаев использования, таких как телемедицинские чат-боты и виртуальные помощники колл-центра, компании исследуют возможности разработки Emotion AI, чтобы не только понимать эмоции клиентов, но и улучшать индивидуальную реакцию этих платформ. Возможность имитировать человеческие эмоции придает этим платформам и сервисам большую аутентичность. Но действительно ли это проявление эмоций?

Исследователи искусственного интеллекта и нейробиологии согласны с тем, что современные формы искусственного интеллекта не могут иметь собственных эмоций, но они могут имитировать эмоции, такие как сочувствие.Синтетическая речь также помогает снизить уровень роботизированного тона, с которым работают многие из этих сервисов, и излучает более реалистичные эмоции. Tacotron 2 от Google преобразовывает поле, чтобы имитировать человеческие искусственные голоса.

Итак, если машины во многих случаях могут понять, что мы чувствуем, и произвести полезный, даже «заботливый» ответ, являются ли они эмоционально разумными ? В этой области ведется много споров о том, демонстрирует ли имитация эмоции истинное понимание или все еще является искусственным.

Функционализм утверждает, что если мы моделируем эмоциональный интеллект, то, по определению, AI является эмоционально интеллектуальным. Но эксперты сомневаются, действительно ли машина «понимает» сообщение, которое они доставляют, и поэтому моделирование не является отражением того, что машина на самом деле эмоционально разумна.

Общий искусственный интеллект

Разработка общего искусственного интеллекта, обладающего более глубоким уровнем понимания, — это то, насколько многие эксперты считают, что машины однажды смогут испытывать эмоции, как мы.

Общий искусственный интеллект (AGI) в отличие от узкого интеллекта относится к способности компьютеров выполнять множество различных действий, таких как люди. Искусственный узкий интеллект , как следует из названия, нацелен на выполнение индивидуальных задач, но с высокой степенью эффективности и точности.

Когда мы говорим об эмоциональном и социальном интеллекте, формах интеллекта, которые не обязательно связаны с поставленной задачей или целью, они подпадают под общий искусственный интеллект. AGI стремится воспроизвести наши качества, которые нам кажутся автоматическими. Они не привязаны к конечной цели, мы делаем их только потому, что делаем.

Выводы

Мы все еще на много лет отстаем от Artificial General Intelligence , способного воспроизводить все действия, которые мы можем выполнить, особенно те качества, которые мы считаем наиболее человеческими, такие как эмоции.