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）と大量のデータを含むこの「訓練された」ニューラル ネットワークを開発するために、コロラド大学ボルダー校とデューク大学の研究者は XNUMX 年を費やしました。
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・クラゲルは、ニューラル ネットワークに 25000 枚の画像を提供し、それらを 20 の感情カテゴリ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のほか、「美的自己満足」や「共感的な痛み」など、あまり一般的ではない感情的な経験が含まれていました。
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それらを適切に解読しない場合、脳がどのように機能するかについての知識は常に限られています。」
Kragel 氏は、EmoNet がうまく機能していることに驚きましたが、それはシステムがすでに完璧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「貪欲/欲求」ですが、動的に表現される感情ではうまく機能しない場合があります.たとえば、状況に応じて喜びや怒りに急速に発展する可能性のある驚き.また、崇拝、楽しさ、喜びなどの感情には密接な相関関係があるため、これら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ジェネレーティブ・ミュージックの教授は、コンピューターに感情を教えることは危険ではないと考えています。 「同じ図式と同じニュアンスの不足で感情を区別し始めたら、危険です」と彼は言います。
彼女を責める方法は？ 写真から感情をコード化することは、それを理解したり、共感を感じたりすることを意味するものではありません。 そして今日、すでにソーシャルネットワークのおかげで、人々は自分の感情を見つけられ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？ 間違いなくいいえ。 それは、確かに人間の経験の複雑さではなく、いくつかのカテゴリーを読んでいるだけです。 彼は将来感情を感じることができますか？ これを排除することはできません。 多分。"
