De snelle opkomst van AI-chatbots heeft in bijna gelijke mate geleid tot ethische zorgen, opwinding en zorgen over de werkgelegenheid. Maar wordt de inzet weer verhoogd?

Als deze tools een achilleshiel hebben, is het het onvermogen om menselijke emoties in de antwoorden te verwerken. Met de vooruitgang op het gebied van 'emotionele AI' is het echter mogelijk dat we op het punt staan ​​weer een enorme sprong voorwaarts te maken in de AI-technologie.

Een emotioneel probleem

Het begrijpen van menselijke emoties kan ingewikkeld zijn, zelfs voor mensen. Ondanks dat het iets is dat we bij de geboorte beginnen te leren, kunnen we de emoties van een ander vaak verkeerd interpreteren. Machines trainen in een vaardigheid die mensen niet beheersen, is een enorme uitdaging.

Het gebied van emotie-AI, ook wel affective computing genoemd, maakt echter opmerkelijke vorderingen. Om te begrijpen hoe emotionele AI werkt, is het belangrijk om het te vergelijken met hoe mensen de emoties van anderen interpreteren. Het proces kan worden onderverdeeld in drie hoofdgebieden:

  • Gezichtsuitdrukkingen / maniertjes: Iemand die straalt als een Cheshire-kat is duidelijk. Maar hoe zit het met tranen? Het kunnen tranen zijn van vreugde of verdriet. Dan zijn er de subtiliteiten en vluchtige uitdrukkingen die we nauwelijks opmerken, maar je onbewuste aanwijzingen geven over de emoties van anderen.
  • Lichaamstaal: Nogmaals, er zijn hier veel aanwijzingen die mensen bijna subliminaal gebruiken om emotionele toestanden te bepalen.
  • Stembuiging: De toon en buiging van een stem kunnen een sterke indicator zijn van een emotionele toestand. Het verschil tussen vreugde en woede herkennen, ligt bijvoorbeeld vaak in de nuances van hoe iets wordt gezegd.

De nuances van menselijke emoties zijn waar de uitdagingen ontstaan. Om deze uitdagingen het hoofd te bieden, gebruikt emotie-AI een reeks technieken.

Hoe werkt emotie-AI?

Vergelijkbaar met waarop AI-chatbots vertrouwen enorme databases die grote taalmodellen worden genoemd (LLM's) om reacties te genereren, vertrouwt emotionele AI ook op een enorme dataset. Het belangrijkste verschil is de vorm van de gegevens.

Stap 1: het verzamelen van de gegevens

Emotionele AI-"modellen" verzamelen gegevens uit verschillende bronnen. Net als LLM's vormt tekst een onderdeel van het model. Maar emotionele AI-modellen gebruiken ook andere vormen van data, waaronder:

  • Spraakgegevens: Dit kan onder andere afkomstig zijn van opgenomen klantenservicegesprekken of video's.
  • Gezichtsuitdrukkingen: Deze gegevens kunnen uit verschillende bronnen worden verzameld. Een gebruikelijke manier is om de uitdrukkingen van vrijwilligers op te nemen via vastgelegde telefoonvideo.
  • Fysiologische gegevens: Statistieken zoals hartslag en lichaamstemperatuur kunnen worden gemeten om de emotionele toestand van vrijwillige deelnemers te bepalen.

De verzamelde gegevens kunnen vervolgens worden gebruikt om menselijke emotionele toestanden te bepalen. Het is vermeldenswaard dat niet alle emotionele AI-modellen hetzelfde type gegevens zullen gebruiken. Een callcenter zal bijvoorbeeld weinig hebben aan visuele en fysiologische gegevens. Terwijl in de gezondheidszorg de opname van fysiologische gegevens ongelooflijk nuttig is.

Stap 2: emotionele erkenning

Hoe gegevens worden gebruikt om emotionele toestanden te begrijpen, is afhankelijk van het type:

  • Tekst analyse: Technieken zoals sentimentanalyse of natuurlijke taalverwerking worden gebruikt om geschreven tekst te interpreteren. Deze kunnen trefwoorden, zinsdelen of patronen identificeren die emotionele toestanden aangeven.
  • Stem analyse: Machine learning-algoritmen analyseren aspecten van iemands stem, zoals toonhoogte, volume, snelheid en toon, om emotionele toestanden af ​​te leiden.
  • Analyse van gezichtsuitdrukkingen: Computervisie en technieken voor diep leren worden gebruikt om gezichtsuitdrukkingen te analyseren. Dit kan betrekking hebben op het herkennen van basisuitdrukkingen (blijheid, verdriet, woede, verrassing, enz.) of meer subtiele 'micro-uitdrukkingen'.
  • Fysiologische analyse: Sommige emotionele AI-systemen kunnen fysiologische gegevens zoals hartslag en temperatuur analyseren om emotionele toestanden te bepalen. Dit vereist gespecialiseerde sensoren en wordt meestal gebruikt in onderzoek of gezondheidszorg.

De details van hoe emotionele AI werkt, variëren afhankelijk van het doel van de toepassing. De meeste emotionele AI-modellen zullen echter vertrouwen op ten minste één van de vermelde technieken.

Stap 3: een reactie genereren

De laatste stap is dat het AI-model adequaat reageert op zijn vastberaden emotionele toestand. Hoe deze reactie zich manifesteert, hangt af van het doel van de AI. Dit kan de vorm zijn van een waarschuwing aan een callcentermedewerker dat de volgende beller van streek is, of het kan de inhoud van een app personaliseren.

Het volledige spectrum van toepassingen voor deze technologie zal enorm zijn, en organisaties maken er al gebruik van.

Wat zijn de toepassingen van emotionele AI?

AI is over het algemeen een soort technologische multitool, en emotionele AI is niet anders. Naarmate de technologie zich ontwikkelt, zal de spreiding van toepassingen aanzienlijk toenemen, zoals blijkt uit de verscheidenheid aan taken die het al uitvoert:

  • Telefooncentrales: Emotion AI wordt geïntegreerd in callcenters om agenten te helpen bij het identificeren van de emotionele toestand van klanten.
  • Reclame: Marketingbureaus volgen teams van vrijwilligers om hun emotionele reactie bij het bekijken van een bepaalde advertentie te beoordelen. Hierdoor kunnen ze de inhoud aanpassen om beter af te stemmen op de gewenste emotionele reactie.
  • Gezondheidszorg: AI helpt al bij de behandeling van psychische aandoeningen. Dit gebied van de geneeskunde is er een waar emotionele AI van groot voordeel kan zijn.
  • Onderwijs: Onderwijs-apps kunnen worden getraind om het cursuswerk en de algehele "leerervaring" aan te passen, afhankelijk van de emotionele toestand van de student.
  • Auto-industrie: Deze zit in de pijplijn, maar emotionele AI zou van onschatbare waarde kunnen zijn bij het besturen van een auto. Lopend onderzoek richt zich op het ontwikkelen van systemen die de emotionele toestand van de bestuurder kunnen detecteren. Er kan dan een vorm van corrigerende actie nodig zijn als de bestuurder oververmoeid, gestrest, boos of gewoon weg aan het dagdromen is.

Dit klinkt allemaal goed en wel, maar zoals met alles wat met AI te maken heeft, is het nooit zo eenvoudig. De ethische en privacykwesties rond generatieve AI zijn net zo van toepassing, maar nu hebben we menselijke emoties in de mix gegooid.

Ethische en privacykwesties van emotionele AI

Voor elk voordeel dat AI ons oplevert - en dat zijn er veel - lijkt er een overeenkomstige ethische of privacykwestie te zijn. Deze innovatieve technologie opereert op het snijvlak van technologische knowhow. Het opereert ook aan de rand van de maatschappelijke kennis.

De kruising van emotie en technologie is bezaaid met complexe uitdagingen die moeten worden aangepakt, wil AI een zegen zijn in plaats van een last. Enkele van de zorgen die onmiddellijk duidelijk worden, zijn onder meer:

  • Zorgen over gegevensprivacy: Reeds een grijs gebied in AI, heeft de opname van gevoelige emotionele gegevens de lat hoger gelegd.
  • Nauwkeurigheid: AI-chatbots zijn veel dingen, maar hun antwoorden schieten vaak tekort. Dezelfde fouten die worden gemaakt door emotionele AI-modellen kunnen ernstige gevolgen hebben als ze voorkomen in toepassingen zoals de gezondheidszorg.
  • Emotionele manipulatie: Oplichters kunnen emotionele AI gebruiken om met kwade bedoelingen in te spelen op de gevoelens van mensen.

Deze zorgen zijn oprecht en een gezamenlijke inspanning om ze aan te pakken is de sleutel tot het ontsluiten van alle voordelen van emotionele AI.

Weet niet of je moet lachen of huilen

Dit is een veelbelovende technologie met enorme potentiële voordelen. Het draagt ​​​​echter wel wat "emotionele bagage" met zich mee in zijn slipstream. Het voordeel is het enorme scala aan potentiële toepassingen waar dit een enorm verschil kan maken. Alles, van gezondheidszorg tot meer meeslepende game-ervaringen, kan baat hebben bij emotionele AI.

Maar er zijn enkele forse problemen die moeten worden aangepakt als we dit willen gebruiken om de mensheid te helpen en niet te hinderen.