Ученые: Персонализированные модели машинного обучения теперь лучше «понимают» эмоции
Исследователи «MIT Media Lab» разработали модель машинного обучения, которая позволяет компьютерам приблизиться к интерпретации наших эмоций так же естественно, как это делают люди.
В растущей области «аффективных вычислений» роботов и компьютеры разрабатывают для анализа выражений лица, интерпретации эмоций и соответственно реагирования. Целью является, среди прочего, использование машин для мониторинга здоровья и благополучия человека, помощи в диагностике признаков определенных заболеваний и разработки полезных роботов-компаньонов.
Однако проблема заключается в том, что люди выражают эмоции совершенно по-разному, в зависимости от многих факторов. Общие различия можно наблюдать среди культур, полов и возрастных групп. Но некоторые различия совсем мало заметны: время суток, продолжительность сна или даже уровень общения с партнером влияет на вариации выражения человеком, скажем, счастья или печали в определенный момент.
Мозг человека инстинктивно улавливает подобные вариации, но машинам это не подвластно.
Исследователи «Media Lab» разработали модель машинного обучения, которая превосходит традиционные системы в «понимании» незначительных вариаций выражения лица. Цель заключается в том, чтобы улучшить существующие аффективно-вычислительные технологии.
«Это ненавязчивый способ контролировать наше настроение, – говорит Огги Рудович, научный сотрудник «Media Lab» и соавтор статьи, описывающей представленную на прошлой неделе на Конференции по машинному обучению и интеллектуальному анализу данных модель. – Для того, чтобы роботы обладали социальным интеллектом, необходимо научить их разумно и естественно реагировать на настроение и эмоции людей».
Родди Коуи, почетный профессор психологии Королевского университета в Белфасте, говорит, что работа «MIT» «иллюстрирует, на каком этапе мы пребываем» в этой области.
«Мы приближаемся к созданию систем, которые могут устанавливать по фотографиям, в каком настроении пребывают люди, запечатленные на них, – говорит специалист. – Эмоциональные признаки, которые дает один человек, не совпадают с признаками другого, и поэтому важно, что распознавание эмоций должно быть персонифицировано. Метод персонализации отражает еще один интригующий момент, более эффективный для обучения нескольких «экспертов» и обобщения их суждений, чем для подготовки одного супер-эксперта».
В растущей области «аффективных вычислений» роботов и компьютеры разрабатывают для анализа выражений лица, интерпретации эмоций и соответственно реагирования. Целью является, среди прочего, использование машин для мониторинга здоровья и благополучия человека, помощи в диагностике признаков определенных заболеваний и разработки полезных роботов-компаньонов.
Однако проблема заключается в том, что люди выражают эмоции совершенно по-разному, в зависимости от многих факторов. Общие различия можно наблюдать среди культур, полов и возрастных групп. Но некоторые различия совсем мало заметны: время суток, продолжительность сна или даже уровень общения с партнером влияет на вариации выражения человеком, скажем, счастья или печали в определенный момент.
Мозг человека инстинктивно улавливает подобные вариации, но машинам это не подвластно.
Исследователи «Media Lab» разработали модель машинного обучения, которая превосходит традиционные системы в «понимании» незначительных вариаций выражения лица. Цель заключается в том, чтобы улучшить существующие аффективно-вычислительные технологии.
«Это ненавязчивый способ контролировать наше настроение, – говорит Огги Рудович, научный сотрудник «Media Lab» и соавтор статьи, описывающей представленную на прошлой неделе на Конференции по машинному обучению и интеллектуальному анализу данных модель. – Для того, чтобы роботы обладали социальным интеллектом, необходимо научить их разумно и естественно реагировать на настроение и эмоции людей».
Родди Коуи, почетный профессор психологии Королевского университета в Белфасте, говорит, что работа «MIT» «иллюстрирует, на каком этапе мы пребываем» в этой области.
«Мы приближаемся к созданию систем, которые могут устанавливать по фотографиям, в каком настроении пребывают люди, запечатленные на них, – говорит специалист. – Эмоциональные признаки, которые дает один человек, не совпадают с признаками другого, и поэтому важно, что распознавание эмоций должно быть персонифицировано. Метод персонализации отражает еще один интригующий момент, более эффективный для обучения нескольких «экспертов» и обобщения их суждений, чем для подготовки одного супер-эксперта».
