Meg tudná-e fedezni egy program a potenciális terroristákat arckifejezéseik és viselkedésük elolvasásával? Ezt a hipotézist tette az USA Közlekedésbiztonsági Igazgatósága (TSA) az 2003-ben próbára, mivel elkezdett egy új megfigyelési program, az úgynevezett Utasok szűrése megfigyelési technikákkal, vagy rövid ideje a Spot tesztelését.
A program kidolgozása során konzultáltak Paul Ekmannel, a San Francisco-i Kaliforniai Egyetem pszichológia emeritus professzorával. Évtizedekkel korábban, Ekman kifejlesztett egy módszert a kis arckifejezések azonosítására és a megfelelő érzelmekre való ábrázolására. Ezt a módszert arra használták, hogy „viselkedés-felderítő tiszt” -eket kiképezzenek az arcok megtévesztés jeleire.
De amikor a programot beterjesztették az 2007-be, problémákba ütközött. A tisztek voltak utaló az utasok többé-kevésbé véletlenszerű kihallgatás céljából, és a letartóztatások kis száma a terrorizmussal nem összefüggő vádokkal kapcsolatos. Még ennél is aggasztóbb volt az a tény, hogy a program állítólag állt használt a faji profilozás igazolására.
Ekman megpróbált távolodni a Spottól, azt állítva, hogy módszerét helytelenül alkalmazták. De mások szerint a program kudarcát elavult tudományos elmélet okozta, amely Ekman módszerét támasztotta alá; nevezetesen, hogy az érzelmek objektív módon levezethetők az arc elemzésével.
Az utóbbi években a technológiai vállalatok az Ekman módszerét alkalmazták az arckifejezésekből származó érzelmek észlelésére szolgáló algoritmusok képzésére. Egyes fejlesztők azt állítják, hogy az érzelmek automatikus felismerési rendszerei nem csak jobbak lesznek, mint az emberek, amikor az arc elemzésével felismerik az igaz érzelmeket, hanem hogy ezek az algoritmusok hozzáigazodnak a legbelső érzéseinkhez, és jelentősen javítják az eszközökkel való kölcsönhatást.
Sok érzelmi tudományt tanulmányozó szakember azonban attól tart, hogy ezek az algoritmusok ismét kudarcot vallnak, és hibás tudomány alapján döntéseket hoznak életünkről.
Az érzelmek felismerésének technológiája két technikát igényel: számítógépes látást, az arckifejezések pontos azonosításához, és gépi tanulási algoritmusokat ezen arcvonások érzelmi tartalmának elemzéséhez és értelmezéséhez.
Jellemzően a második lépésben egy felügyelt tanulásnak nevezett technikát alkalmaznak, amely eljárás során egy algoritmust felkészítnek a korábban látott dolgok felismerésére. Az alapötlet az, hogy ha a boldog arcok ezer és ezer képét mutatja be „boldog” címkével, amikor egy új arcot lát egy boldog arcról, akkor ismét „boldog” -ként fogja azonosítani.
A végzős hallgató, Rana el Kaliouby volt az elsők, akik elkezdték kísérletezni ezt a megközelítést. Az 2001-ben, miután Egyiptomból a Cambridge-i Egyetembe számítógépes doktori fokozatot költözött, rájött, hogy több időt tölt a számítógépével, mint másokkal. Úgy gondolta, hogy ha megtaníthatja a számítógépet az érzelmi állapot felismerésére és azokra való reagálásra, akkor a családtól és a barátaitól távol eltöltött idő kevésbé lesz magányos.
Kaliouby doktori tanulmányainak fennmaradó részét a probléma megoldására fordította, végül kifejlesztett egy eszközt, amely segítette az Asperger-szindrómás gyermekeket az arckifejezések olvasásában és az azokban való reagálásban. „Érzelmi hallókészüléknek” nevezte.
Az 2006 programban Kaliouby csatlakozott a Massachusetts Institute of Technology Affective Computing laboratóriumához, ahol a laboratórium igazgatójával, Rosalind Picard-nal együtt tovább fejlesztette és finomította a technológiát. Aztán az 2009-ban ők társalapítója az Affectiva nevű induló vállalkozás, az első vállalkozás, amely „mesterséges érzelmi intelligenciát” forgalmazott.
wpDiscuz
A legnagyobb terrorista a kormány
Hol számol rájuk az arc?