Kun olet pimeässä elokuvateatterissa, toiset eivät usein huomaa reaktioitasi näytöllä tapahtuvaan. Täällä avaat silmäsi laajassa odottamattomassa käänteessä, hyppäät kirjaimellisesti tuolillesi pelottavasta kohtauksesta tai vuodattat kyyneleen melodramaattiselle musiikille - kaikki nämä tunteet ohjataan todennäköisesti enempää kuin edessäsi olevan tuolin muovinen selkänoja. Mutta vain, jos elokuvateatterissa ei ole "tietokonenäkymää". Jos saat joskus mahdollisuuden käydä yhdessä näistä, voit olla varma, että kun katsot elokuvaa, elokuva katselee sinua.
Silver Logic Labs kehitti tietokoneohjelman, jonka päätehtävä on tarkalleen mitä yllä on kirjoitettu. Sen toimitusjohtaja Jerimaya Hamon on soveltuvan matematiikan asiantuntija, joka on erikoistunut lukuteoriaan. Hän on työskennellyt monien vuosien ajan muun muassa Amazonin, Microsoftin ja Harvardin lääketieteellisten koulujen jättiläisten seinämissä käsittelemällä erilaisia ihmisten kuluttajaluonteeseen liittyviä kysymyksiä. Hänen tärkein mielenkiintonsa on kuitenkin aina ollut ymmärtää, kuinka tekoäly voi paremmin ennustaa yhtä vaikeimmista ominaisuuksistamme - ihmisen käyttäytymisestä.
Tutkiessaan AI-algoritmeja ihmisten reaktioiden analysoimiseksi erityyppisten mediatyyppien käsityksissä, Hamon huomasi, että siitä voi olla hyötyä paitsi tieteellisesti myös kaupallisesti. Hänen järjestelmänsä toimii seuraavasti: AI-algoritmi tarkkailee elokuvaa katselevaa yleisöä havaitsemalla ihmisten kasvojen tunteet, jotka ilmenevät jopa hienoimmista muutoksista (ns. Mikrosekspressiot), ja tuottaa tämän tiedon perusteella tarvittavat tiedot myöhempää analysointia varten.
Hamon harkitsi vakavasti tällaista tutkimusta noin kolme vuotta sitten ja vaikka hänen mediateollisuustyönsä tulokset näyttävät toistaiseksi olevan erittäin raakoja, he herättivät varmasti suurta kiinnostusta tähän aiheeseen. Paljon siksi, että ne lupaavat luotettavia tuloksia, koska ihmisen käyttäytyminen voi olla yhtä ennustettavissa kuin tapa, jolla ohjelmistot toimivat, ainakin Hamonin omassa visiossa. AI puolestaan samoin kuin sen käyttämät tietokonevisioteknologiat auttavat keräämään tietoja siitä, kuinka ihmiset reagoivat tiettyihin elokuviin ja televisio-ohjelmiin, paljon tehokkaammin kuin mikään fucus-ryhmä. Kun AI on koulutettu keräämään oikeaa aineistoa, se pystyy tarjoamaan nopeaa, johdonmukaista ja yksityiskohtaista analyysiä kyseisistä tiedoista. Niille teollisuuden aloillejoiden on työskenneltävä näiden tietojen kanssa - hienoja uutisia. Ihmisten toiveiden ja mieltymysten pätevämmän ja tehokkaamman analyysin ansiosta he pystyvätkin parantamaan rahaa tuottavia tuotteitaan ja palveluitaan.
Arvioinnit ovat yksi tärkeimmistä ja ohjeellisimmista näkökohdista, jotka varmistavat tietyn televisio-ohjelman tai elokuvan onnistumisen. Prosessia seuranneiden yllätykseksi Hamonin ohjelmiston nykyinen versio pystyi ennustamaan Nielsenin, Rotten Tomatoesin ja IMDB: n luokitukset tarkkuudella 84–99 prosenttia. Indikaattorien ero johtuu siitä, että jotkut luokituksen kohteet ovat "multimodaalisia", ts. Ne on suunniteltu laajemmalle yleisölle, joten niitä on yleensä vaikeampi ennustaa. Yleensä televisiosta puhuttaessa yritys ennustaa tietyn ohjelman suosio voi vain tehdä vaikutuksen.
"Kun aloitin ensimmäisen, kaikki kertoivat minulle, etten pysty koskaan ennustamaan jotain sellaista, koska kukaan ei voi", Hamon jakoi keskustelussa futurismin kanssa.
Mutta matematiikan kanssa mikään ei ole mahdotonta. Itse asiassa Hamonin mukaan matemaattisten menetelmien avulla on mahdollista huomata monia vivahteita, joita on yksinkertaisesti mahdotonta huomata ilman niiden käyttöä.
”Otamme yleisöltä emotionaalisia vastauksia visuaaliseen ja kuuloon stimulaatioon ja muuntimme ne digitaaliarvoiksi. Ja kun jokin on digitaalisen arvon muoto, niin ennemmin tai myöhemmin se tulee tarvittavan yhtälön muodossa, jonka tehtävänä meidän tapauksessamme on selvittää kuinka paljon pidit (tai pidät) tästä tai toisesta näyttelystä”, Hamon sanoo.
Mainosvideo:
Tutkijan mukaan tilastollinen analyysi on laaja, mutta kieltäytyy antamasta yksityiskohtia siitä, mitä yhtälöä hän käyttää laskeakseen, mikä osoittaa, että hän yrittää tällä tavoin suojata ohjelmansa "salaa ainesosaa".
Viihdeteollisuuden ulkopuolella
AI: n korkea suorituskyky ihmisen mieltymysten ennustamisessa sai Hamonin tutkimaan muita alueita, joilla hänen ohjelmansa voisi olla tehokas. Esimerkiksi määritettäessä, kertooko henkilö totuuden vai ei. Kuten polygrafia, AI voisi verrata stressiolosuhteita osoittavia tietoja viitearvojoukkoon ja tämän perusteella päättää, makaako henkilö vai ei. Tämän idean testaamiseksi Hamon käytti AI-algoritmia suorittamaan tehtävän ihmisten tunteiden tunnistamiseksi suhteellisen heikon videon perusteella. Tutkimukseen hän käytti videoita CSPAN-uutistoimistolta, sekä kuvamateriaalia elokuvista presidentti Donald Trumpin lehdistötilaisuuksilta.
Aikana, jolloin totuus voidaan kyseenalaistaa, totuuden erottaminen valheesta voi olla kriittistä. Järjestelmää voidaan kuitenkin käyttää myös tilanteissa, joissa se on kirjaimellisesti elämän ja kuoleman kysymys. Esimerkiksi lääketieteessä, missä voi olla tarpeen määrittää tarkkaan potilaan kivun taso, jotta lääkärit voivat valita tehokkaampia hoitoja.
Hamon huomauttaa, että järjestelmä voi olla hyödyllinen esimerkiksi tilanteissa, joissa on tarpeen tunnistaa aivohalvaus. Huolimatta siitä, että lääketieteen henkilökunta saa yleensä tarvittavan koulutuksen, jotta he voivat tunnistaa aivohalvauksen merkit, on usein aikoja, jolloin ns. Mikrolieyt (tai ohimenevät iskeemiset iskut, jos tieteellisesti tiedetään) jäävät väliin, joita seuraa hyvin usein laaja-alaiset aivohalvaukset, jotka vaikuttavat suurelle alueelle. aivot. AI-tietokoneen visio voisi havaita nämä aivohalvauksen mikromerkit tai jopa oireet tai vihjeet lähestyvästä sairaudesta jo ennen kuin ne todella ilmestyvät potilaaseen. Tässä tapauksessa lääketieteellinen henkilökunta pystyisi reagoimaan tilanteeseen ajoissa ja ehkä jopa ryhtymään toimiin vakavamman aivohalvauksen jatkumisen välttämiseksi.
Mutta toimiiko tämä todella? Jamonin mielestä se on mahdollista. Tutkija on vakuuttunut siitä, että älykkyysosat voivat tulla niin herkiksi, että kykenevät havaitsemaan tällaiset hienoiset ja ohimenevät muutokset kehon työssä. Kun järjestelmää testattiin erilaisissa yleisöissä, tutkijoiden piti ottaa huomioon se tosiseikka, että jotkut ihmiset käyttivät määrättyjä lääkkeitä, joista joillakin on esimerkiksi sivuvaikutuksia korkean verenpaineen tai hienojen lihaskrampien muodossa. Ehkä henkilö ei pysty havaitsemaan näitä muutoksia toisessa henkilössä, mutta AI voi helposti havaita ne, mutta samalla se voi erehtyä lääkkeen ottamisen vaikutuksiin stressaavien oireiden ilmenemisessä. Tämä on myös otettava huomioon.
Voimakas työkalu
Monet ihmiset ajattelevat, että älykkäät koneet eivät ole puolueellisia, mutta meidän ei pidä unohtaa, että ihmiset luovat nämä koneet, ja nämä ihmiset, jotka kehittävät ja ovat vuorovaikutuksessa AI: n kanssa, voivat tiedostamatta antaa heille omat puolueellisuutensa. AI: n kehittyessä näiden vääristymien kertymisen seuraukset korostuvat ja voivat viime kädessä vaikuttaa erilaisiin tietojenkäsittelyprosesseihin, esimerkiksi kun tunnistetaan tietty henkilö tai kun kerätään julkisia palveluita tarjoavien henkilöiden sosiaalisia tietoja.
Koska kasvojentunnistustekniikat ovat jo alkaneet tunkeutua henkilökohtaiseen elämäämme, monet alkavat pohtia ja kiinnittää enemmän huomiota eettisiin kysymyksiin ilmaistaan huolensa tällaisten algoritmien todennäköisestä puolueellisesta toiminnasta. Sama ajatus, että tekniikka voi olla olemassa ilman siihen upotettua tiettyä puolueellisuutta, on erittäin kiistanalainen. Sitä kyseenalaistetaan vakavasti vain yhdellä ainoalla argumentilla: AI: n tehokkuus riippuu siihen upotetusta tiedosta, ja nämä tiedot voivat sisältää tietoja, jotka alun perin värittivät järjestelmän luoneen henkilön puolueellisuudesta. AI-kehityksen edistyessä luomalla koneita, jotka todella oppivat, meidän on kehitettävä rajoittavia toimenpiteitä, jotka voivat suojata meitä tilanteista,kun nämä koneet voivat oppia meiltä paljon enemmän kuin aiomme opettaa heille.
Kuitenkin sama Hamon on varma, että hänen algoritmi on täysin puolueeton, ainakin niin paljon kuin mahdollista. Hänen tietokonejärjestelmänsä tulkitsee vain ihmisen käyttäytymisen merkkejä riippumatta siitä, millaiset kasvot tai vartalo ovat hänen näkökentänsä sisällä.
”Olen alkuperäiskansalainen ja minun on myönnettävä, että joskus täällä tapahtuu asioita, jotka voivat sytyttää ympäristöä. Voit esimerkiksi hermostua, kun poliisit ilmestyvät selkäsi taakse. Uskon kuitenkin, että tällaiset tekniikat pystyvät tulevaisuudessa poistamaan tämän hermostuneisuuden tekijän kokonaan. Jos et tee mitään väärin, tietokone ilmoittaa varmasti poliisille, että et tee mitään väärin. Henkilökohtaisesti tunnen tässä tapauksessa lisääntyneen tietoturvani ja suojani poliisin raakuuksilta tietäen, että tietokone pystyy suorittamaan samanlaisen uhkien arvioinnin.
Joka tapauksessa Hamon ei vaivaudu ollenkaan tulkitsemaan data-analyysituloksia luomallaan algoritmilla. Samanaikaisesti hän tunnustaa myös sen rajoitukset huolimatta siitä, että hän on luottavainen algoritmiinsa. Siksi, jos puhumme analyysin johtopäätöksistä, tutkijan mukaan tämä päätös on parasta jättää lainvalvontajärjestelmän, lääketieteen ja psykiatrian asiantuntijoille.
Hamonin kehityksen tulevaisuus Silver Logic Labs -yrityksessä on vasta alkamassa. Ja vain sen ihmisen mielikuvitus rajoittaa sen luoman AI: n soveltamisalueita. Hamon itse haluaa, että työkalustaan tulee todella universaali ja sitä käytetään monien asioiden ratkaisemisessa, mutta tavalla tai toisella, tutkija vetää mihin kaikki alkoi: luoda korkealaatuista viihdesisältöä.
”Tarinankerronta on osa ihmiskulttuuria”, Hamon sanoo.
Työn kautta hän löysi ainakin yhden mittaamattoman elementin, joka on avain median menestykseen.
”Todella nauttii yhden ihmisen vuorovaikutuksesta muiden kanssa. Tämä on yksi niistä asioista, jotka muodostavat kaavan menestykseen”, tutkija lisää.
Huolimatta siitä, että yhteiskunta voi ehkä havaita negatiivisesti muutokset, jotka AI lupaa tuoda elämäämme, Hamonin näkemyksessä voidaan varmasti löytää yksi erittäin positiivinen hetki. Ennemmin tai myöhemmin tekoäly, joka perustuu kaikkiin keräämiinsä tietoihin, johtaa meidät jonain päivänä ajattelemaan ymmärrystämme siitä, mitä oikeasti tarkoittaa olla ihminen. Ehkä hän pystyy näkemään meissä sen, mitä emme ole koskaan nähneet muissa tai itsessämme.
Nikolay Khizhnyak