Dirbtinis intelektas aktyviai vystomas Rusijoje ir pasaulyje - įskaitant ir emocinį. Jis domisi didelėmis įmonėmis ir ambicingais startuoliais, kurie pristato naujus pokyčius mažmeninės prekybos, rinkodaros, švietimo, bankininkystės ir įdarbinimo srityse. „Mordor Intelligence“duomenimis, emocijų atpažinimo rinka 2018 m. Buvo įvertinta 12 milijardų dolerių ir iki 2024 metų išaugs iki 92 milijardų dolerių.
- „Salik.biz“
Kas yra emocinė AI
Emocijų AI (Emotion AI) yra AI, leidžianti kompiuteriui atpažinti, interpretuoti ir reaguoti į žmogaus emocijas. Kamera, mikrofonas ar nešiojamas jutiklis nuskaito asmens būseną, o nervų tinklas apdoroja duomenis emocijai nustatyti.
Yra du pagrindiniai emocijų analizės būdai:
- Kontaktas. Žmogus uždedamas ant prietaiso, kuris nuskaito jo pulsą, kūno elektrinius impulsus ir kitus fiziologinius rodiklius. Tokios technologijos gali nustatyti ne tik emocijas, bet ir streso lygį ar epilepsijos priepuolio tikimybę.
- Bekontakčiai. Emocijos analizuojamos remiantis vaizdo ir garso įrašais. Kompiuteris mokosi veido išraiškos, gestų, akių judesių, balso ir kalbos.
Norėdami treniruoti nervų tinklą, duomenų mokslininkai renka duomenų pavyzdžius ir rankiniu būdu pažymi asmens emocinės būklės pokyčius. Programa tiria modelius ir supranta, kurie ženklai priklauso nuo kokių emocijų.
Neuroninį tinklą galima mokyti naudotis skirtingais duomenimis. Kai kurios įmonės ir laboratorijos naudoja vaizdajuostes, kitos studijuoja balsą, o kai kurios naudojasi iš kelių šaltinių. Bet kuo įvairesni duomenys, tuo tikslesnis rezultatas.
Apsvarstykite du pagrindinius šaltinius:
Reklaminis vaizdo įrašas:
Nuotraukos ir nuotraukos iš vaizdo įrašo
Pirmiausia vaizdai apdorojami, kad AI būtų lengviau dirbti. Veido bruožai - antakiai, akys, lūpos ir panašiai - yra pažymėti taškais. Neuroninis tinklas nustato taškų padėtį, palygina juos su emocijų ženklais iš šablono ir daro išvadą, kuri emocija atsispindi - pyktį, baimę, nuostabą, liūdesį, džiaugsmą ar ramybę.
Yra ir kitas požiūris. Veide iškart pastebimi emocijų žymekliai - pavyzdžiui, šypsena ar suraukti antakiai. Tada nervų tinklas ieško žymeklių atvaizde, analizuoja jų derinius ir nustato asmens būseną.
Emocijų žymeklių tyrimas pradėtas XX a. Tiesa, tada jie buvo nagrinėjami atskirai nuo neuroninių tinklų. Mokslininkai Paulas Ekmanas ir Wallace'as Friesenas 1978 m. Sukūrė veido veiksmų kodavimo sistemą (FACS). Tai suskaido veido išraiškas į atskirus raumenų judesius arba Veiksmų vienetus. Tyrėjas tiria motorinius vienetus ir lygina juos su emocijomis.
Balsas ir kalba
Neuroninis tinklas iš garso signalo išskiria daugelį balso parametrų - pavyzdžiui, toną ir ritmą. Ji tiria jų pokyčius laike ir nustato pranešėjo būseną.
Kartais treniruotėms naudojama spektrograma - vaizdas, rodantis signalo stiprumą ir dažnį bėgant laikui. Be to, AI analizuoja žodyną, kad gautų tikslesnius rezultatus.
Kur naudojama technologija
Pardavimai ir reklama
Akivaizdžiausias emocijų atpažinimo technologijos panaudojimas yra rinkodara. Jų pagalba galite nustatyti, kaip reklaminis vaizdo įrašas paveikia žmogų. Norėdami tai padaryti, galite, pavyzdžiui, su fotoaparatu įdiegti struktūrą, kuri pakeis reklamą atsižvelgiant į praeinančių žmonių nuotaiką, lytį ir amžių.
Panašų dizainą sukūrė pradedančios įmonės „Cloverleaf“ir „Affectiva“. Jie pristatė elektroninį lentynos skelbimą, pavadintą „shelfPoint“, kuris kaupia duomenis apie pirkėjų emocijas. Naująsias technologijas išbandė „Procter & Gamble“, „Walmart“ir kitos didelės įmonės. „Cloverleaf“duomenimis, pardavimai išaugo 10–40 proc., O klientų įsitraukimas padidėjo 3–5 kartus.
Labiau neįprastas variantas yra roboto konsultantas, turintis dirbtinį intelektą. Jis bendraus su klientais, skaitys jų emocijas ir darys jiems įtaką. Taip pat pateikite suasmenintus pasiūlymus.
Aptarnavimo robotą pristatė Rusijos startuolis „Promobot“. Tam naudojamas „Neurodata Lab“sukurtas neuroninis tinklas, kuris lemia emocijas iš kelių šaltinių vienu metu: veido, balso, judesių įrašus, taip pat kvėpavimą ir pulso dažnį.
„Promobot“aktyviai parduoda savo robotus užsienyje. 2018-aisiais startuoliai pasirašė sutartį su 56,7 mln. USD su amerikiečių kompanija „Intellitronix“, o kitame sutarė tiekti įrenginius į Saudo Arabiją, Izraelį, Kuveitą ir Švediją - už juos bendrovė gaus 1,1 mln. USD. „Promobot“duomenimis, šiandien dirba 492 robotai. 34 pasaulio šalyse kaip vadovai, konsjeržai, konsultantai ir vykdytojai.
Bankai
Emocijų atpažinimo technologijos padeda bankams gauti klientų atsiliepimus be apklausų ir pagerinti aptarnavimą. Skyriuose įrengtos vaizdo kameros, o įrašymo algoritmai nustato lankytojų pasitenkinimą. Neuroniniai tinklai taip pat gali analizuoti kliento ir operatoriaus balsą ir kalbą skambučio į kontaktų centrą metu.
Rusijoje jie ilgą laiką bandė įgyvendinti emocinę AI: jis buvo išbandytas „Sberbank“dar 2015 m., O po trejų metų „Alfa-Bank“pradėjo savo eksperimentą, skirtą analizuoti emocijas iš vaizdo įrašo. Be įrašų iš stebėjimo kamerų, naudojami ir skambučių įrašai. VTB pradėjo bandomąjį projektą emocinei AI įgyvendinti 2019 m. O „Rosbank“kartu su „Neurodata Lab“jau išbandė klientų emocijų nustatymą balsu ir kalba. Klientas paskambino į banką, o neuroninis tinklas išanalizavo jo būseną ir pokalbio prasmę. Be to, PG pastebėjo operatoriaus kalbos, balso garsumo ir ryšio laiko pauzes. Tai leido ne tik patikrinti pasitenkinimą paslauga, bet ir stebėti kontaktų centro operatorių darbą.
Dabar „Rosbank“įdiegė savo emocijų atpažinimo sprendimą. Vietoj garso signalo sistema analizuoja tekstą, o tikslumas išlieka didelis.
Kalbos technologijų centras taip pat užsiima emocijų atpažinimu kalboje („Sberbank“priklauso daugumos akcijų paketas). „Smart Logger“paslauga analizuoja klientų ir operatorių balsą ir žodyną, pokalbio laiką ir pertraukas, kad išsiaiškintų pasitenkinimą paslauga.
Pramogų sritis
Emocijų atpažinimo sistemos gali būti naudojamos norint įvertinti auditorijos reakciją į filmą. „Disney“2017 m., Bendradarbiaudamas su mokslininkais, atliko eksperimentą: kino teatre įrengė kameras ir prijungė giluminio mokymosi algoritmus, kad įvertintų žiūrovų emocijas. Sistema galėtų nuspėti žmonių reakcijas, stebėdama juos tik keletą minučių. Eksperimento metu mes surinkome įspūdingą duomenų rinkinį: 68 žymekliai iš kiekvieno iš 1797 žiūrovų. Iš viso buvo gauta 16 milijonų veido vaizdų.
Tuo pačiu tikslu „YouTube“vaizdo įrašų priegloba sukūrė savo AI, pavadintą „YouFirst“. Tai leidžia vaizdo įrašų tinklaraštininkams ir įmonėms išbandyti turinį prieš išleidžiant į platformą. Vartotojai spustelėja specialią nuorodą, sutinka filmuoti vaizdo įrašą ir žiūrėti vaizdo įrašą. Šiuo metu neuroninis tinklas nustato jų reakcijas ir siunčia duomenis kanalo savininkui.
Tarp Rusijos kompanijų reakcijas į vaizdo įrašus gali analizuoti, pavyzdžiui, „Neurobotics“. Bendrovė sukūrė programą „EmoDetect“, atpažįstančią džiaugsmą, liūdesį, nuostabą, baimę, pyktį, pasibjaurėjimą ir neutralumą. Programa tiria iki 20 vietinių veido bruožų, užfiksuotuose kadruose ir vaizdų serijoje. Sistema analizuoja variklius ir naudoja FACS veido kodavimo technologiją. Galima įrašyti vaizdo įrašą iš internetinės kameros. „EmoDetect“API leidžia integruoti gaminį su išorinėmis programomis.
Emocinė AI taip pat pradedama taikyti žaidimų pramonėje. Tai padeda suasmeninti žaidimą ir įtraukti daugiau bendravimo su žaidėju.
Pavyzdžiui, amerikiečių emocinių AI kompanija „Affectiva“padėjo sukurti psichologinį trilerį „Nevermind“. Įtampa priklauso nuo žaidėjo būsenos: sąmokslas tampa tamsesnis, kai jis patiria stresą, ir atvirkščiai.
Išsilavinimas
Emocijų pripažinimas taip pat galioja ir švietimui. Jis gali būti naudojamas tiriant studentų nuotaikas ir dėmesį klasės metu.
Rusijos kūrėjai pritaikė emocinę AI Permėje. Technologijų plėtros impulsas buvo pradinių klasių mokinių ir mokytojo išpuoliai. „Rostelecom“ir startuolis „New Vision“sukūrė programą „Protinga ir saugi mokykla“, skirtą stebėti vaikų emocinę būklę. Tai padės nustatyti asocialius paauglius prieš tragediją.
Jis buvo pagrįstas Paulo Ekmano sistema. Neuroninis tinklas išanalizavo menkiausius raumenų judesius, naudodamas 150 taškų ant veido. Per pamoką buvo surinkta daug duomenų: 5-6 tūkstančiai kadrų kiekvienam studentui. Programa ištyrė duomenų rinkinį ir apskaičiavo kiekvieno vaiko emocinę būseną. Anot kūrėjų, tikslumas siekė 72 proc.
HR
Emocinė AI gali būti naudinga dirbant su personalu. Tai padeda nustatyti darbuotojo būklę, laiku pastebėti jo nuovargį ar nepasitenkinimą ir efektyviau paskirstyti užduotis.
Be to, įdarbinant padeda technologijos. Naudodamiesi emocine AI, pokalbio metu galite patikrinti kandidatą į darbą arba sugauti melą.
Amerikiečių įmonė „HireVue“kandidatams vertinti naudoja dirbtinį intelektą. Pareiškėjas eina vaizdo pokalbį, o nervų tinklas nustato jo būklę pagal raktinius žodžius, balso intonaciją, judesius ir veido išraiškas. AI išryškina ypatybes, kurios yra svarbios darbui, ir suteikia pažymių, o personalo vadovas atrenka tinkamus kandidatus.
Londone įsikūręs startuolis „Human“naudoja vaizdo įrašus emocijoms atpažinti ir pritaikyti jas charakterio bruožams. Po vaizdo pokalbio darbdaviai gauna pranešimą, kuriame sakoma, koks kandidatas buvo nuoširdus, smalsus, susijaudinęs, entuziastingas ar pasitikintis savimi ir kaip jis atsakė į klausimus.
Vaistas
Šioje srityje bus naudingi ne tik nekontaktiniai, bet ir kontaktiniai emocijų nustatymo metodai. Juos aktyviai įgyvendina užsienio startuoliai - pavyzdžiui, „Affectiva“ir „Brain Power“. Bendrovės tobulinime yra AI akiniai, padedantys autizmu sergantiems vaikams ir suaugusiems atpažinti kitų žmonių emocijas ir ugdyti socialinius įgūdžius.
Bet neuroniniai tinklai gali padėti pacientams be nešiojamų jutiklių. Masačusetso technologijos instituto mokslininkai sukūrė neuroninį tinklą, kuris aptinka depresiją analizuodamas žmogaus kalbą. Rezultato tikslumas buvo 77%. „Startup Beyond Verbal“naudoja AI pacientų psichinei sveikatai analizuoti. Šiuo atveju nervų tinklas iš garso įrašo pasirenka tik balso biomarkerius.
Automobiliai
Masačusetso technologijos institutas kuria AI, vadinamą „AutoEmotive“, kuris nustatys vairuotojo ir keleivių būklę. Jis ne tik stebės streso lygį, bet ir stengsis jį sumažinti - grodamas švelnią muziką, reguliuodamas temperatūrą salone ar eidamas ne tokiu įtemptu maršrutu.
Emocinio AI apribojimai
Neuroninis tinklas negali atsižvelgti į kontekstą
PG išmoko atpažinti pagrindines žmogaus emocijas ir būsenas, tačiau kol kas ji nelabai gerai susidoroja su sudėtingesnėmis situacijomis. Mokslininkai pažymi, kad veido išraiškos ne visada tiksliai parodo, kaip žmogus iš tikrųjų jaučiasi. Jo šypsena gali būti nuožmi ar sarkastiška, ir tai gali nulemti tik kontekstas.
„NtechLab“ekspertai mano, kad vis dar sunku tiksliai nustatyti šios ar kitos emocijos priežastį.
„NtechLab“pabrėžia, kad būtina atpažinti ne tik veido išraiškas, bet ir žmogaus judesius. Įvairūs duomenys emocinę AI padarys daug efektyvesnę. Tam pritaria ir „VisionLabs“veido atpažinimo produktų kūrimo kompanijos tyrinėtojas Daniilis Kirejevas. Jo nuomone, esant dideliam duomenų kiekiui, padidėja algoritmų tikslumas.
„Yra klaidų, jų skaičius priklauso nuo daugelio veiksnių: treniruočių imties kokybės, apmokyto nervų tinklo, duomenų, kuriais veikia galutinė sistema. Pridėję informacijos iš skirtingų šaltinių, pavyzdžiui, balso, galite pagerinti sistemos kokybę. Tuo pat metu svarbu suprasti, kad pagal veidą mes labiau nustatome jo išraišką, o ne galutinę emociją. Algoritmas gali bandyti nustatyti sumodeliuotas emocijas, tačiau tam reikia vystyti nedidelį žingsnį į priekį “, - sako Daniil Kireev.
Bloga įranga
Išoriniai veiksniai daro įtaką algoritmų kokybei. Kad emocijų atpažinimo tikslumas būtų aukštas, vaizdo kameros ir mikrofonai turi būti aukštos kokybės. Be to, rezultatui įtaką daro apšvietimas, fotoaparato vieta. Pasak Daniilo Kirejevo, nekontroliuojamos sąlygos apsunkina asmens būsenų nustatymo procesą.
Norint plėtoti emocinę AI, reikia kokybiškos aparatūros. Jei rasite gerą įrangą ir teisingai ją nustatysite, rezultatų tikslumas bus labai didelis. O emocijų atpažinimo technologijos bus patobulintos ir aktyvesnės, kai jos taps prieinamesnės ir plačiau paplitusios.
„Sistemos tikslumas priklauso nuo daugelio veiksnių. Svarbiausia yra nejudančių kadrų iš fotoaparato kokybė, kurie suteikiami sistemai atpažinti. Nejudančių kadrų kokybei savo ruožtu daro įtaką fotoaparato nustatymai ir savybės, matrica, apšvietimas, įrenginio vieta, veidų skaičius kadre. Teisingai konfigūravus aparatinę ir programinę įrangą, galima pasiekti aptiktų emocijų tikslumą iki 90–95% “, - pažymi Vitalijus Vinogradovas, debesų vaizdo stebėjimo ir vaizdo analizės tarnybos„ Ivideon “produktų vadovas.
Technologijų perspektyva
Dabar Rusijoje emocinė AI tik įgauna pagreitį. Pradedančios įmonės kuria technologijas ir parduoda savo produktus, o klientai jas išbando atsargiai.
Tačiau „Gartner“apskaičiavo, kad iki 2024 m. Daugiau nei pusė internetinių skelbimų bus sukurti naudojant emocinę AI. Kompiuterinis matymas, naudojamas emocijoms aptikti, per artimiausius 3–5 metus taps viena svarbiausių technologijų. „MarketsandMarkets“prognozuoja, kad emocijų analizės rinka iki 2024 m. Padvigubės - nuo 2,2 milijardo iki 4,6 milijardo dolerių.
Be to, didelės emocijos rodo susidomėjimą emocijų atpažinimu - pavyzdžiui, „Procter & Gamble“, „Walmart“, VTB, „Rosbank“, „Sberbank“ir „Alfa-Bank“. Vietos pradedančios įmonės kuria bandomuosius projektus, kurie ateityje taps paruoštais sprendimais verslui.
Evgeniya Khrisanfova