Umjetna inteligencija aktivno se razvija u Rusiji i svijetu - uključujući i emocionalnu. Zanimaju ga velike tvrtke i ambiciozni startupi koji uvode novosti u maloprodaji, marketingu, obrazovanju, bankarstvu i zapošljavanju. Prema Mordor Intelligenceu, tržište prepoznavanja emocija u 2018. godini procijenjeno je na 12 milijardi dolara i porast će na 92 milijarde dolara do 2024. godine.
Što je emocionalno AI
Emotion AI (Emotion AI) je inteligencija koja računalu omogućuje prepoznavanje, tumačenje i reagiranje na ljudske emocije. Fotoaparat, mikrofon ili nosivi senzor čitaju stanje osobe, a neuronska mreža obrađuje podatke da bi odredila emociju.
Postoje dva glavna načina za analizu emocija:
- Kontakt. Osoba se stavlja na uređaj koji očitava njegov puls, tjelesne električne impulse i druge fiziološke pokazatelje. Takve tehnologije mogu odrediti ne samo emocije, već i razinu stresa ili vjerojatnost epileptičnog napadaja.
- Beskontaktna. Emocije se analiziraju na temelju video i audio zapisa. Računalo uči izraze lica, geste, pokrete očiju, glas i govor.
Da bi uvježbali neuronsku mrežu, znanstvenici s podacima prikupljaju uzorak podataka i ručno označavaju promjenu u emocionalnom stanju osobe. Program proučava obrasce i razumije koji znakovi pripadaju kojim emocijama.
Neuronska mreža može biti osposobljena na različitim podacima. Neke tvrtke i laboratoriji koriste videokasete, drugi proučavaju glas, a neki imaju koristi iz više izvora. Ali što su raznolikiji podaci, točniji je rezultat.
Razmotrimo dva glavna izvora:
Promotivni video:
Fotografije i fotografije s videozapisa
Slike se prvo obrađuju kako bi se AI omogućio lakši rad. Značajke lica - obrve, oči, usne i slično - označene su točkicama. Neuronska mreža određuje položaj točaka, uspoređuje ih sa znakovima emocija iz predloška i zaključuje koja se emocija ogleda - ljutnja, strah, iznenađenje, tuga, radost ili smirenost.
Postoji i drugi pristup. Oznake emocija odmah se primjećuju na licu - na primjer, osmijeh ili namrštene obrve. Tada neuronska mreža traži markere na slici, analizira njihove kombinacije i utvrđuje stanje osobe.
Istraživanje markera emocija započelo je u 20. stoljeću. Istina, tada su razmatrane odvojeno od neuronskih mreža. Znanstvenici Paul Ekman i Wallace Friesen razvili su sustav za kodiranje lica (FACS) 1978. godine. Razgrađuje izraze lica u pojedine pokrete mišića ili Akcijske jedinice. Istraživač proučava motoričke jedinice i uspoređuje ih s emocijama.
Glas i govor
Neuronska mreža izvlači mnoge parametre glasa iz zvučnog signala - na primjer, ton i ritam. Ona proučava njihovu promjenu u vremenu i određuje stanje govornika.
Ponekad se za trening koristi spektrogram - slika koja pokazuje snagu i frekvenciju signala tijekom vremena. Osim toga, AI analizira vokabular za utvrđivanje preciznijih rezultata.
Gdje se koristi tehnologija
Prodaja i oglašavanje
Najočitija primjena tehnologije prepoznavanja emocija je u marketingu. Uz njihovu pomoć možete odrediti kako reklamni video utječe na osobu. Da biste to učinili, možete, na primjer, instalirati strukturu s kamerom koja će mijenjati oglašavanje ovisno o raspoloženju, spolu i dobi ljudi koji prolaze.
Sličan dizajn razvili su startapovi Cloverleaf i Affectiva. Predstavili su elektronički oglas na polici koji se zove policaPoint koji prikuplja podatke o emocijama kupaca. Procter & Gamble, Walmart i druge velike tvrtke testirale su nove tehnologije. Prema Cloverleafu, prodaja je porasla 10-40%, dok se angažman kupaca povećao 3-5 puta.
Neobičnija opcija je savjetnik za robote s umjetnom inteligencijom. On će komunicirati s klijentima, čitati njihove emocije i utjecati na njih. I također napravite personalizirane ponude.
Servisni robot predstavio je ruski startup Promobot. Koristi se neuronska mreža koju je razvio Neurodata Lab, a koja određuje emocije iz više izvora odjednom: snimke lica, glasa, pokreta, kao i brzine disanja i pulsa.
Promobot aktivno prodaje svoje robote u inozemstvu. U 2018. startup je potpisao ugovor s američkom tvrtkom Intellitronix za 56,7 milijuna dolara, a u sljedećoj je dogovorio isporuku uređaja u Saudijsku Arabiju, Izrael, Kuvajt i Švedsku - za njih će tvrtka dobiti 1,1 milijun dolara, a prema Promobotu, danas radi 492 robota u 34 zemlje širom svijeta kao vodiči, savjetnici, konzultanti i promotori.
banke
Tehnologije prepoznavanja emocija pomažu bankama da dobiju povratne informacije o kupcima bez anketa i poboljšaju uslugu. U odjelima su instalirane video kamere, a algoritmi za snimanje određuju zadovoljstvo posjetitelja. Neuronske mreže također mogu analizirati glas i govor klijenta i operatera tijekom poziva u kontakt centar.
U Rusiji su dugo pokušavali implementirati emocionalni AI: testiran je u Sberbank još 2015., a tri godine kasnije, Alfa-banka pokrenula je svoj pilot za analizu emocija iz videa. Osim snimaka s nadzornih kamera, koristi se i snimka poziva. VTB je pokrenuo pilot-projekt za provedbu emocionalne AI u 2019. godini. A Rosbank je zajedno s Neurodata Lab već testirao odlučnost emocija kupaca glasom i govorom. Klijent je nazvao banku, a neuronska mreža analizirala je njegovo stanje i značenje razgovora. Osim toga, AI je primijetio stanke u govoru operatera, glasnoći i vremenu komunikacije. To je omogućilo ne samo provjeru zadovoljstva uslugom, već i nadzor rada operatora kontakt-centara.
Sada je Rosbank implementirala vlastito rješenje za prepoznavanje emocija. Umjesto zvučnog signala, sustav analizira tekst, dok točnost ostaje visoka.
Centar za govornu tehnologiju također je uključen u prepoznavanje emocija u govoru (Sberbank ima većinski udio). Usluga Smart Logger analizira glas i vokabular kupaca i operatera, vrijeme razgovora i stanke kako bi saznali zadovoljstvo uslugom.
Zabavna sfera
Sustavi za prepoznavanje emocija mogu se koristiti za mjerenje reakcije publike na film. Disney je 2017. u suradnji sa znanstvenicima proveo eksperiment: instalirao kamere u kino i povezao algoritme dubokog učenja kako bi procijenio emocije gledatelja. Sustav je mogao predvidjeti reakcije ljudi promatrajući ih samo nekoliko minuta. Tijekom eksperimenta, prikupili smo impresivan skup podataka: 68 markera od svakog od 3.179 gledatelja. Ukupno je dobiveno 16 milijuna slika lica.
U istu je svrhu YouTube video hosting stvorio vlastiti AI koji se zove YouFirst. Omogućuje video blogerima i tvrtkama da testiraju sadržaj prije puštanja na platformu. Korisnici kliknu na posebnu vezu, pristaju snimiti video i pogledati video. U ovom trenutku neuronska mreža određuje njihove reakcije i podatke šalje vlasniku kanala.
Među ruskim kompanijama može se analizirati reakcija na videozapise, na primjer, Neurobotics. Tvrtka je razvila program EmoDetect koji prepoznaje radost, tugu, iznenađenje, strah, ljutnju, gađenje i neutralnost. Program proučava do 20 lokalnih crta lica u okvirima za zamrzavanje i nizu slika. Sustav analizira motorne jedinice i koristi FACS tehnologiju kodiranja lica. Moguće je snimiti video s web kamere. API EmoDetect omogućava vam da integrirate proizvod s vanjskim aplikacijama.
Emocionalni AI također se počinje primjenjivati u industriji igara. Pomaže personalizirati igru i dodati više interakcije s igračem.
Na primjer, američka emocionalna AI tvrtka Affectiva pomogla je stvoriti psihološki triler Nevermind. Napetost ovisi o stanju igrača: zaplet postaje tamniji kad je pod stresom, i obrnuto.
Obrazovanje
Prepoznavanje emocija odnosi se i na obrazovanje. Može se koristiti za proučavanje raspoloženja i pažnje učenika tijekom nastave.
Ruski programeri primijenili su emocionalnu inteligenciju u Permu. Poticaj za razvoj tehnologije bili su napadi učenika na učenike osnovne škole i učitelja. Rostelecom i startup New Vision razvili su program Smart and Safe School za praćenje emocionalnog stanja djece. To će pomoći identificiranju asocijalnih adolescenata prije nego što se dogodi tragedija.
Temeljila se na Paul Paul Ekman sustavu. Neuralna mreža analizirala je i najmanje pokrete mišića koristeći 150 točaka na licu. Tijekom lekcije prikupljena je velika količina podataka: 5-6 tisuća okvira za svakog učenika. Program je proučavao skup podataka i izračunao emocionalno stanje svakog djeteta. Prema tvorcima, točnost je bila 72%.
HR
Emocionalni AI može biti koristan u radu s osobljem. Pomaže u određivanju stanja zaposlenika, uočavanju njegovog umora ili nezadovoljstva na vrijeme i učinkovitijoj preraspodjeli zadataka.
Uz to, tehnologija pomaže pri zapošljavanju. Uz pomoć emocionalne AI, možete provjeriti kandidata za posao ili uhvatiti laž tijekom intervjua.
Američka tvrtka HireVue koristi umjetnu inteligenciju za ocjenu kandidata. Podnositelj zahtjeva prolazi video intervju, a neuronska mreža njegovo stanje određuje ključnim riječima, intonacijom glasa, pokretima i izrazima lica. AI ističe karakteristike važne za posao i ocjenjuje, a voditelj za ljudske resurse bira prave kandidate.
Londonski startup Human koristi videozapise kako bi identificirao emocije i uskladio ih s osobinama karaktera. Nakon video intervjua regrutovi dobivaju izvještaj u kojem se navodi koliko je kandidat bio iskren, znatiželjan, uzbuđen, oduševljen ili samouvjeren i kako je odgovarao na pitanja.
Lijek
U ovom će području biti korisne ne samo beskontaktne, već i kontaktne metode utvrđivanja emocija. Aktivno ih provode strani startupi - na primjer, Affectiva i Brain Power. Razvoj tvrtke uključuje AI naočale koje pomažu djeci i odraslima s autizmom da prepoznaju tuđe emocije i razviju socijalne vještine.
Ali neuronske mreže mogu pomoći pacijentima bez nosivih senzora. Znanstvenici s Tehnološkog instituta u Massachusettsu stvorili su neuronsku mrežu koja otkriva depresiju analizirajući govor osobe. Točnost rezultata bila je 77%. A startup Beyond Verbal koristi AI za analizu mentalnog zdravlja pacijenata. U ovom slučaju, neuronska mreža odabire samo glasovne biomarkere iz audio zapisa.
Automobili
Massachusetts Institute of Technology razvija AI pod nazivom AutoEmotive koji će odrediti stanje vozača i putnika. Ne samo da će nadzirati razinu stresa, već će ga pokušati i smanjiti - svirajući laganu glazbu, podešavajući temperaturu u kabini ili krećući se na manje zauzet put.
Ograničenja emocionalnog AI
Neuronska mreža ne može uzeti u obzir kontekst
AI je naučio prepoznati osnovne ljudske emocije i stanja, ali zasad se ne nosi s složenijim situacijama. Znanstvenici primjećuju da izrazi lica ne pokazuju uvijek točno kako se osoba stvarno osjeća. Njegov osmijeh može biti prikriven ili sarkastičan, a to može utvrditi samo kontekst.
Stručnjaci NtechLaba vjeruju da je još uvijek teško točno utvrditi razlog ove ili one emocije.
NtechLab naglašava da je potrebno prepoznati ne samo izraze lica, već i ljudske pokrete. Razni podaci učinit će emocionalni AI mnogo učinkovitijim. Daniil Kireev, vodeći istraživač iz tvrtke za razvoj proizvoda za prepoznavanje lica VisionLabs, slaže se s tim. Po njegovom mišljenju, s velikom količinom podataka, točnost algoritama raste.
„Postoje pogreške, njihov broj ovisi o mnogim čimbenicima: kvaliteti uzorka treninga, osposobljenoj neuronskoj mreži, podacima na kojima završni sustav djeluje. Dodavanjem informacija iz različitih izvora - na primjer, glasa - možete poboljšati kvalitetu sustava. Istodobno je važno razumjeti da po licu radije određujemo njegov izraz nego konačnu emociju. Algoritam može pokušati odrediti simuliranu emociju, ali za to razvoj tehnologije mora napraviti mali korak naprijed “, kaže Daniil Kireev.
Loša oprema
Vanjski čimbenici utječu na kvalitetu algoritama. Da bi točnost prepoznavanja emocija bila visoka, video kamere i mikrofoni moraju biti visokokvalitetni. Osim toga, na rezultat utječe osvjetljenje, mjesto kamere. Prema Daniilu Kireevu, nekontrolirani uvjeti kompliciraju postupak utvrđivanja stanja osobe.
Da bi se emocionalni AI razvio, potreban vam je kvalitetan hardver. Ako pronađete dobru opremu i pravilno je postavite, točnost rezultata bit će vrlo visoka. A kada postanu dostupniji i rašireniji, tehnologije za prepoznavanje emocija bit će poboljšane i aktivnije implementirane.
„Točnost sustava ovisi o mnogim čimbenicima. Glavna od njih je kvaliteta mirnih kadrova iz kamere koji se daju sustavu radi prepoznavanja. Na kvalitetu fotografija, zauzvrat, utječu postavke i karakteristike kamere, matrica, osvjetljenje, mjesto uređaja, broj lica u kadru. Uz ispravnu konfiguraciju hardvera i softvera, moguće je postići točnost detektirane emocije do 90-95% , napominje Vitaly Vinogradov, voditelj proizvoda usluge oblačnog video nadzora i usluge video analitike Ivideon.
Tehnološka perspektiva
U Rusiji je emocionalni AI tek sve jači. Startupi razvijaju tehnologiju i plasiraju svoje proizvode, a kupci ih testiraju s oprezom.
Ali Gartner procjenjuje da će do 2024. godine više od polovine internetskih oglasa biti napravljeno pomoću emocionalnog AI. Računalni vid, koji se koristi za otkrivanje emocija, postat će jedna od najvažnijih tehnologija u narednih 3-5 godina. A MarketsandMarkets predviđa da će se tržište analize emocija udvostručiti do 2024. - s 2,2 milijarde na 4,6 milijardi dolara.
Pored toga, velike tvrtke pokazuju interes za prepoznavanje emocija - na primjer, Procter & Gamble, Walmart, VTB, Rosbank, Sberbank i Alfa-Bank. I domaći startupi razvijaju pilot projekte koji će u budućnosti postati gotova rješenja za poslovanje.
Evgenija Khrisanfova
