När du befinner dig i en mörk biograf uppfattas ofta dina reaktioner på vad som händer på skärmen. Här öppnar du ögonen vid ett oväntat intresse, hoppar bokstavligen upp i din stol från en skrämmande scen, eller slår en tår mot melodramatisk musik - alla dessa känslor kommer troligen inte att riktas mer än plastens baksida framför. Men bara om denna biograf inte är utrustad med "datorsyn". Om du någonsin får en chans att besöka en av dessa, kan du vara säker på att filmen kommer att titta på dig medan du tittar på filmen.
Ett datorprogram, vars huvuduppgift exakt är vad som skrivs om ovan, utvecklades av Silver Logic Labs. Dess VD Jerimaya Hamon är en expert på tillämpad matematik specialiserad på talteori. Han har arbetat under många år inom väggarna hos sådana jättar som Amazon, Microsoft och på Harvard Medical School och hanterat olika frågor relaterade till den mänskliga konsumentens natur. Hans huvudintresse har emellertid alltid varit att förstå hur artificiell intelligens (AI) kan hjälpa till bättre förutsäga en av våra svåraste egenskaper - mänskligt beteende.
Genom att undersöka AI-algoritmer för att analysera mänskliga svar på uppfattningar om olika typer av media insåg Hamon att detta kunde vara till nytta inte bara vetenskapligt, utan också kommersiellt. Hans system fungerar på följande sätt: AI-algoritmen övervakar publiken som tittar på filmen, noterar känslorna i människors ansikten, manifesteras genom även de mest subtila förändringarna (de så kallade mikrouttryck) och genererar sedan nödvändiga data baserade på denna information för vidare analys.
Hamon drog allvarligt in sådan forskning för cirka tre år sedan, och även om resultaten från hans arbete för medieindustrin ser mycket grov ut hittills, väckte de verkligen ett stort intresse för detta ämne. Mycket för att de lovar tillförlitliga resultat, eftersom mänskligt beteende kan vara lika förutsägbart som hur programvaran fungerar, åtminstone i Hamons egen vision. AI, i sin tur, såväl som datorsynteknologier som den använder kommer att hjälpa till att samla information om hur människor reagerar på vissa filmer och TV-program, mycket mer effektivt än någon fucusgrupp. När AI har utbildats för att samla rätt datasats kan den ge en snabb, konsekvent och detaljerad analys av den informationen. För de områdena i branschensom måste arbeta med denna information - bra nyheter. Tack vare en mer kompetent och effektiv analys av mänskliga önskemål och preferenser kommer de att kunna förbättra sina produkter och tjänster som ger pengar.
Betyg är en av de viktigaste och vägledande aspekterna som säkerställer framgången för ett visst TV-program eller film. För att överraska dem som följde processen kunde den nuvarande versionen av Jamons programvara förutsäga betyg för Nielsen, Rotten Tomatoes och IMDB med en noggrannhet på 84 till 99 procent. Skillnaden i indikatorer beror på det faktum att vissa objekt i klassificeringen är "multimodala", det vill säga de är utformade för en bredare publik, därför är de som regel svårare att förutsäga. I allmänhet, när det gäller TV, kan själva försöket att förutsäga populariteten för ett visst program inte annat än imponera.
”När jag började första gången berättade alla för mig att jag aldrig skulle kunna förutsäga något sådant, eftersom ingen kan,” delade Hamon i ett samtal med futurismen.
Men med matematik är ingenting omöjligt. Enligt Hamon är det faktiskt med hjälp av matematiska metoder möjligt att notera många nyanser som det helt enkelt är omöjligt att notera utan att de använder dem.
”Vi tog emotionella svar på visuell och hörselstimulering från publiken och omvandlade dem till digitala värden. Och när något tar formen av ett digitalt värde, då förr eller senare tar det formen av den nödvändiga ekvationen, vars uppgift i vårt fall kommer att ta reda på hur mycket du verkligen gillade (eller kommer att gilla) den här eller den här showen, säger Hamon.
Kampanjvideo:
Forskaren rapporterar att det finns en omfattande statistisk analys, men vägrar att ge några detaljer om vilken ekvation han använder för att beräkna, vilket indikerar att han på detta sätt försöker skydda den "hemliga ingrediensen" i sitt program.
Utanför underhållningsindustrin
AI: s höga prestanda när det gäller att förutsäga mänskliga preferenser fick Hamon att utforska andra områden där hans program kan vara effektivt. Till exempel när man bestämmer om en person säger sanningen eller inte. Liksom en polygraf kunde AI jämföra data som indikerar stressiga förhållanden med en referensuppsättning av värden och utifrån detta avgöra om en person ljuger eller inte. För att testa denna idé använde Hamon en AI-algoritm för att utföra en uppgift att identifiera känslor hos människor baserat på video med relativt låg kvalitet. För forskningen använde han videor från nyhetsbyrån CSPAN, liksom bilder av film från president Donald Trumps presskonferenser.
I en tid då sanningen kan utmanas kan det vara kritiskt att skilja sanningen från falskhet. Systemet kan dock också användas i situationer där det bokstavligen går till liv och död. Till exempel inom medicin, där det kan vara nödvändigt att exakt bestämma graden av smärta en person upplever så att läkarna kan välja mer effektiva behandlingar.
Hamon konstaterar att systemet kan vara användbart, till exempel i situationer där det är nödvändigt att identifiera en stroke. Trots att medicinsk personal vanligtvis får den nödvändiga utbildningen för att göra det möjligt för dem att identifiera tecknen på en stroke, finns det ofta tillfällen då de så kallade mikroslagen (eller övergående ischemiska attacker, om vetenskapligt) missar, vilket ofta följs av storskaliga slag som drabbar ett stort område hjärna. AI-datorsyn kunde upptäcka dessa mikrotecken på en stroke eller till och med symtom eller antydningar om en förestående sjukdom, innan de faktiskt uppträder i patienten. I detta fall skulle den medicinska personalen kunna reagera snabbt på situationen och kanske till och med vidta åtgärder för att undvika vidareutvecklingen av ett allvarligare stroke.
Men kommer detta faktiskt att fungera? Jamon tror att det är möjligt. Forskaren är övertygad om att AI: er är kapabla att bli så känsliga att de kan upptäcka så subtila och kortvariga förändringar i kroppens arbete. När systemet testades i olika målgrupper var forskarna tvungna att beakta det faktum att vissa människor tog förskrivna läkemedel, av vilka vissa till exempel har biverkningar i form av högt blodtryck eller subtila muskelkramper. Kanske kommer en person inte att kunna märka dessa förändringar hos en annan person, men AI kan lätt upptäcka dem, men på samma gång kan det felaktiga effekterna av att ta läkemedlet för manifestation av stressande tecken. Detta måste också beaktas.
Kraftfullt verktyg
Många tror att intelligenta maskiner kommer att vara föremål för förspänning, men vi bör inte glömma: dessa maskiner kommer att skapas av människor, och dessa människor som utvecklar och interagerar med AI kan omedvetet förse dem med sina egna förspänningar. Med utvecklingen av AI kommer konsekvenserna av ansamlingen av dessa fördomar att bli mer uttalade och i slutändan kan påverka olika informationsbehandlingsprocesser, till exempel när man identifierar en viss person eller när man samlar in en persons sociala data som finns i nätverk av offentliga tjänster.
Eftersom ansiktsigenkänningsteknologier redan börjar infiltrera våra personliga liv börjar många reflektera och ägna mer uppmärksamhet åt etiska frågor och uttrycker oro över det troliga partiska arbetet med sådana algoritmer. Samma idé om att teknik kan existera utan någon grad av förspänning inbäddad i den är mycket kontroversiell. Det ifrågasätts allvarligt med bara ett enda argument: effektiviteten hos AI kommer att bero på de data som har inbäddats i den, och dessa data kan innehålla information som ursprungligen färgades av partiskheten hos personen som skapade detta system. Med utvecklingen av AI-utvecklingen, med skapandet av maskiner som faktiskt kan lära, måste vi utveckla restriktiva åtgärder som kan skydda oss från situationer,när dessa maskiner kan lära sig mycket mer av oss än vi hade tänkt att lära dem.
Ändå är samma Hamon säker på att hans algoritm är helt opartisk, åtminstone så mycket som möjligt. Hans datorsystem tolkar bara tecken på mänskligt beteende, oavsett vilken typ av ansikte eller kropp som finns i hans synfält.
”Jag är indianer och jag måste erkänna att det ibland händer saker som kan bliva miljön. Till exempel kan du bli nervös när polisen visas bakom ryggen. Jag tror dock att sådana tekniker i framtiden kommer att kunna utrota denna nervositetsfaktor helt. Om du inte gör något fel, kommer datorn säkert att informera polisen om att du inte gör något fel. Personligen, i det här fallet, kommer jag att känna en ökad nivå av min egen säkerhet och skydd mot polisbrutalitet, och veta att datorn kommer att kunna utföra en liknande nivå av hotbedömning.
I alla fall bryr Hamon inte alls om att tolka resultaten av dataanalysen med den algoritm som han skapade. Samtidigt, även om han är säker på sin algoritm, erkänner han också dess begränsningar. Därför, om vi pratar om slutsatserna från analysen, är detta beslut enligt forskaren bäst överlåtet till experterna från brottsbekämpningssystemet, medicin och psykiatri.
Framtiden för Hamons utveckling på Silver Logic Labs har precis börjat. Och alternativen för användningsområden för AI det skapar begränsas endast av den mänskliga fantasin. Hamon vill själv att hans verktyg ska bli verkligt universellt och användas för att lösa en mängd olika problem, men på ett eller annat sätt dras forskaren till där det hela började: att skapa underhållningsinnehåll av hög kvalitet.
"Berättelser är en del av mänsklig kultur", säger Hamon.
Genom sitt arbete upptäckte han åtminstone ett omätligt element som är nyckeln till medias framgång.
”Man tycker verkligen om att se en person interagera med andra. Detta är en av de saker som utgör formeln för framgång,”tillägger forskaren.
Trots att samhället kanske negativt kan förstå de förändringar som AI lovar att få till våra liv, kan man i Hamons vision verkligen hitta ett mycket positivt ögonblick. Förr eller senare kommer artificiell intelligens, baserat på all data den samlar in, en dag att leda oss till att tänka om vår förståelse för vad det verkligen betyder att vara mänskligt. Kanske kommer han att kunna se i oss vad vi aldrig har sett förut hos andra eller i oss själva.
Nikolay Khizhnyak
