マリアンヌ・レドダンは過去10年間、人間の顔を精査して、XNUMXつの異なるが非常に近い感情の痕跡を見つけてきました。 驚きと恐怖。 そして、長い間、彼は彼らを区別することをやっと学びました。
これが、スタンフォード大学の博士号を取得したReddanが、何かが変わることを理解した理由です。 機械学習に基づくシステムであるEmoNetがXNUMXつの感情を区別することを学んだことを知ったとき、彼はこれを理解しました。
「EmoNet」と呼ばれるこのシステムは、顔の表情だけを見て感情を理解するだけではありません。 また、生身の人がするように、一般的な状況を見て、一般的な感情を決定します。
この研究（ジャーナルScience Advancesに掲載）そして大量のデータを持つこの「訓練された」ニューラルネットワーク、コロラド大学ボルダー校とデューク大学の研究者たちは、開発にXNUMX年かかりました。
オブジェクトから感情へ
Reddanと同僚はAlexNetを使用しました。 のモデルです 深い学習 （視覚皮質のダイナミクスで作成された）オブジェクトを認識するようにコンピューターをトレーニングします。 彼らはそれを再プログラミングして、オブジェクトではなく感情をレビューしました。
コロラド大学認知科学研究所の研究者であるフィリップクレイゲルは、25000枚の画像をニューラルネットワークに提供し、それらを20のカテゴリの感情に分類するように調整しました。
大きなリストには、不安や退屈などの感情だけでなく、「審美的な自己満足」や「共感的な痛み」など、あまり一般的でない他の感情的体験も含まれていました。
第二段階では、分類された感情が人間の感情と比較されました。 機能的磁気共鳴画像法として接続された8人のボランティアが112の画像を観察しました。 彼らの脳の活動はニューラルネットワークによって並行して測定され、すでに所有している画像（および感情）と関連付けられました。
人間の脳を再現するニューラルネットワークを構築することは、何年も続いている科学的な課題です。 それでも、最先端のマシンでさえ、人間のさまざまな経験を先取りしています。 「感情は私たちの日常生活の大きな部分を占めています」 サイコロ クレイゲル. 「ニューラルネットワークが正しくそれらを解読しない場合、彼らは常に脳がどのように機能するかについて限られた知識しか持っていません。」
KragelはEmoNetがどれほどうまく機能しているかに驚いていましたが、それはシステムがすでに完全であるという意味ではありません。 最も正確にマッピングされたXNUMXつのカテゴリは「性的欲求」と「欲望/渇望」ですが、動的に表現された感情ではうまく機能しない場合があります。 たとえば、驚きは、状況に応じてすぐに喜びや怒りに発展する可能性があります。 EmoNetはまた、親密な相関関係のため、崇拝、楽しさ、喜びなどの感情の違いやニュアンスを見つけるのが非常に困難です。
リスクはありますか？
ハンナ・デイビスニューヨーク大学の生成音楽の教授であるコンピュータは、コンピュータに感情を教えることは危険ではないと信じています。 「それは危険だろう」と彼は言う、「私たちが同じスキーマと同じニュアンスの欠如で感情を区別し始めたら」。
彼女を責める方法は？ 写真から感情をコーディングしても、それを理解したり、共感したりすることにはなりません。 そして今日すでにソーシャルネットワークで私たちは人々が彼らの感情を彼らが見つけることができる絵文字の数に制限しているという認識を持つことができます。
「モデルは感情を感じることができますか？ 間違いなく。 それはいくつかのカテゴリーを読んでいるだけで、確かに人間の経験の複雑さではありません。 彼は将来感情を感じることができますか？ これは除外できません。 多分。"
