Herinner je je “2001: A Space Odyssey” en “The Terminator” nog? In de tijd dat de computerwetenschap en het grote publiek het volledige potentieel van kunstmatige intelligentie beseften, wekten futuristische films een allesoverheersende angst dat computers zo intelligent zouden worden dat ze de wereld zouden kunnen overnemen. Sindsdien zijn de vorderingen op het gebied van AI enorm geweest. Machines analyseren nu visuele gegevens zoals scènes en gezichten, begrijpen natuurlijke taal en leren zelfs. Maar maak je geen zorgen over wereldheerschappij, zo wordt ons verteld, computers zijn nog lang niet zelfbewust of in staat om als mensen te denken. Het belangrijkste is dat ze nooit het vermogen zullen hebben om emoties te voelen.
Misschien niet, maar ze kunnen ze wel lezen.
Emotion AI, ook bekend als affective computing of kunstmatige emotionele intelligentie, is in de jaren negentig ontstaan om eerdere pogingen te ondersteunen om universele emoties te identificeren die via gezichtsuitdrukkingen worden gecommuniceerd. Dit onderzoek had een database met gestandaardiseerde fotografische afbeeldingen nodig, en het ontluikende veld van datamining zou dit kunnen opleveren. Vervolgens werden machine learning-technieken toegepast op big data en nam de kunstmatige intelligentie van emoties een hoge vlucht. Het duurde niet lang voordat andere vormen van non-verbale visuele communicatie werden bestudeerd, waaronder gebaren, houding, gang, onbewuste lichaamsbewegingen en biofysische signalen zoals blozen en zweten. Auditieve signalen in spraak en stem, zoals intonatie, nadruk, ritme en pauzes, werden ook geanalyseerd. Dit onderzoek wordt elk jaar verfijnder en de huidige rijkdom aan sociale netwerken biedt talloze bronnen van afbeeldingen en vocalisaties.
Het potentieel van dergelijke technologie is enorm. Naast het voor de hand liggende gebruik van marketing, reclame en klantenservice, zijn er talloze niet-commerciële toepassingen. Het kan de interactie tussen mens en mens in callcenters voor openbare veiligheid en geestelijke gezondheidszorg verbeteren om de emotionele toestand van bellers te identificeren. Het is van cruciaal belang bij nationale veiligheidscontroles op luchthavens, het inhuren en beheren van personeel en politieprogramma’s die geweld voorspellen. Toekomstige ontwikkelingen zijn onder meer monitoring in de auto van de aandacht van de bestuurder en geassisteerde diensten voor mensen met autisme. Niet minder belangrijk zijn verbeteringen in de interactie tussen mens en machine waardoor geautomatiseerde reacties menselijker klinken, omdat niemand graag tegen een computer praat.
Als dit utopisch klinkt, is het dat waarschijnlijk ook. De huidige staat van non-verbale emotie AI is bekritiseerd door wetenschappers die beweren dat de wetenschappelijke literatuur het bestaan van universele emoties of de betrouwbaarheid van het afleiden van emoties uit uitdrukkingen niet ondersteunt, of je nu een machine of een mens bent. We kunnen de geforceerde glimlach van onze partner verkeerd interpreteren, meerdere emoties tegelijk of achter elkaar voelen en fronsen als we van binnen lachen. Wat de computer nog moeilijker maakt, zijn de omstandigheden in het echte leven, zoals omgevingsgeluid en weinig licht, en culturele en raciale verschillen in expressie. Voorstanders van burgerrechten waarschuwen voor privacykwesties en programmeervooroordelen die de voorkeur geven aan blanke gezichten en spraak. De wettigheid van aanwervingspraktijken op basis van non-verbale evaluaties en de detectie van gezichtsuitdrukkingen van luchtreizigers is aangevochten voor de rechtbank en door de overheid.
Computertechnologieën kunnen nog steeds moeite hebben met het navigeren door de complexiteit van menselijke perceptuele herkenning op hoog niveau, maar er is een andere manier om emotie over te brengen: verbale taal in geschreven of gesproken tekst.
De andere veelbelovende tak van emotionele kunstmatige intelligentie past natuurlijke taalverwerking (NLP) toe om woordkeuze en gebruik te analyseren. Natuurlijk zijn er ook uitdagingen voor NLP, maar ze richten zich op semantische kwesties: ambiguïteit, ironie en sarcasme, synoniemen en homoniemen, stijl en intentie, situationele context en gevolgtrekking van het wereldbeeld, om er maar een paar te noemen. Recente ontwikkelingen op het gebied van ‘deep learning’ of machinaal leren, dat de manier nabootst waarop mensen opletten en kennis verwerven, beloven hen echter te overtreffen.
We zijn getuige van vooruitgang in het begrijpen en produceren van machinetaal bij virtuele assistenten zoals Siri, Alexa en al hun cohorten. Een van de meest succesvolle bedrijven die NLP en machine learning toepassen om menselijke emoties te detecteren, is Cognovi Labs.
De innovatieve aanpak van Cognovi begint met het extraheren van gegevens uit verschillende soorten tekst, zoals sociale media, getranscribeerde gesprekken, branchecorrespondentie of aangepaste gegevens uit uw dynamisch diagnostisch interview. De gepatenteerde machine learning-technologie, ontwikkeld gedurende acht jaar studie aan een academisch onderzoekscentrum, zoekt naar specifieke emotionele uitdrukkingen, variërend van geluk, vreugde en amusement tot verdriet, angst en walging.
Dus de mensen nemen het over. Cognovi’s team van cognitieve en gedragswetenschappers en klinisch psychologen passen hun jarenlange ervaring toe om de meest in het oog springende emoties van specifieke groepen of populaties te interpreteren. Met hun kennis van menselijke besluitvorming beschrijven ze niet alleen emoties, ze voorspellen ook motivaties en gedragsintenties die door hen worden aangedreven. Alsof dat nog niet indrukwekkend genoeg is, identificeert hun Emotion Trigger Marketing (ETM)-platform langere woorden en verhalen die specifieke emoties beïnvloeden die tot positieve gedragsresultaten leiden.
Net als bij non-verbale emotie-AI zijn er talloze toepassingen voor deze technologie, maar met positieve sociaal-politieke gevolgen. Het werk van Cognovi helpt commerciële belangen zoals medische marketing, financiële investeringen en reclame in de detailhandel, maar het is ook van onschatbare waarde voor volksgezondheidscampagnes, het verminderen van verkeerde informatie op sociale media en het opsporen van veiligheidsrisico’s. Hun inzet voor sociale verantwoordelijkheid wordt direct op hun homepage uitgedrukt: “Met krachtige technologie komt een aanzienlijke verantwoordelijkheid.”
En ze volgen hem. De Covid Panic Index wees voor het eerst op de toename van angst en ongerustheid aan het begin van de pandemie, vooruitlopend op de economische effecten. Later toonde hun Vaccine Attitudes Dashboard veranderingen in bewustzijn en acceptatie, en een onderzoek onthulde dat BMI-geschiktheidsrichtlijnen daadwerkelijk een negatief effect hadden op de mentale gezondheid van mensen met overgewicht. Als het voorspellen van stemmen een openbare dienst is, hebben ze de Brexit en de presidentsverkiezingen van 2016 bereikt.
Met AI-apps zoals Cognovi die de toekomst voorspellen en beïnvloeden, lijkt het helemaal niet dystopisch. In feite kunnen we allemaal hopen meer te begrijpen over onszelf en anderen en wat ons motiveert. Misschien begint Hollywood dan vrolijke sciencefiction te produceren.
