Félelmetes dolog derült ki az MI-ről, erre nem számítottunk

A pszichológia szerint az érzelem gyors, adaptív válasz, amely befolyásolja a figyelmet, a döntést és a cselekvést. Paul Ekman klasszikus modellje szerint hat alapérzelem létezik: boldogság, szomorúság, félelem, undor, düh és meglepetés. Ezek az univerzális kifejezések az arcon, a hangban és a testtartásban is megjelennek, így mérhető jeleket adnak a kutatóknak és a mesterséges intelligencia számára egyaránt.

Az emóció azonban nem csupán kifejezés: kontextushoz kötött, kulturálisan árnyalt és biológiailag meghatározott jelenség. A mesterséges intelligencia (MI) akkor lép új szintre, ha nemcsak felismeri az arckifejezéseket, hanem figyelembe veszi a helyzetet, a szándékot és az időbeli mintázatokat. Ezért a puszta mintázatfelismerés önmagában kevés; az értelem és az értelmezés kapcsolata kulcsfontosságú, ha valódi megértésre törekszünk - írja az origo.hu. 

Mesterséges intelligencia és az affective computing születése

Az emóciókat értő gépek vízióját az affective computing (affektív vagy érzelemérzékelő számítástechnika) indította útjára. Rosalind Picard, az MIT kutatója, úttörőként fogalmazta meg, hogy a mesterséges intelligencia képes és kell is, hogy kezelje az érzelmi jeleket. Továbbá a terület olyan szenzoros és számítógépes módszereket használ, mint az arcfelismerés, a beszédprozódia-elemzés vagy a fiziológiai jelzések (például szívritmus, bőrellenállás) követése. Így a MI képes mintázatokat tanulni a boldogság, szomorúság, félelem, undor, düh és meglepetés tipikus jeleiből.

Ugyanakkor a felismerés nem azonos a megértéssel. Egy algoritmus megtanulhatja, hogy a felhúzott szemöldök és tág pupilla gyakran meglepetés jele, vagy hogy a remegő hangszín a félelem kísérője. Mindazonáltal a kontextus nélkül maradó rendszer könnyen félreért: az irónia, a kulturális eltérések vagy a neurodiverzitás például más mintákat mutathat, mint a tankönyvi esetek. Ezért az affective computing fejlődése ma már a többcsatornás, helyzetérzékeny modellek felé halad.

Felismerés kontra megértés: a határvonal

A kulcskérdés így szól: megértheti-e a mesterséges intelligencia az érzelmeket, vagy csupán detektálja azokat?

• Egyrészt a MI kimagaslóan jó lehet a jelek kategorizálásában, sőt az időbeli alakulásuk követésében is.
• Másrészt az érzelem jelentése az ember számára összefonódik a testi érzetekkel, az emlékezet kontextusával és a társas normákkal.

Ennek ellenére a hibrid megközelítések – pszichológiai elméletek és gépi tanulás összeházasítása – fokozatosan közelebb visznek a használható „megértéshez”.

Eközben megkerülhetetlenek az etikai és módszertani kihívások. Adataink nagyon személyesek: arckifejezéseink, hangunk rejtett mintázatai és szívritmusunk védelmet érdemelnek. Emellett a torzított adatkészletek igazságtalan hibákat okozhatnak, például bizonyos csoportok érzelmeinek következetes félreolvasását. A felelős MI fejlesztés ezért átláthatóságot, beleegyezést és igazságossági auditokat követel.

Alkalmazások, kockázatok és a felelős jövő

Gyakorlati téren a lehetőségek sokrétűek. Az oktatásban az érzelem-érzékeny tanítók dinamikusan igazíthatják a tempót, ha szomorúságot vagy frusztrációt észlelnek, a mentális egészségben pedig a digitális segítők korai jeleket találhatnak a lehangoltság vagy a félelem spiráljaira. Ügyfélszolgálatban a MI előzékenyebb lehet, ha düh vagy undor jeleit érzékeli, míg kreatív területeken a hangulatvezérelt rendszerek új alkotói eszközöket kínálnak. Végül a robotikában az ember–gép együttműködés empatikusabbá válhat.

Ugyanakkor a felelősség nem opcionális. A megbízható rendszerek többnyelvű és interkulturális adatokon tanulnak, nyíltan jelzik bizonytalanságukat, és lehetővé teszik a felhasználói kontrollt. A cél nem az emberi érzelem kiváltása gépekben, hanem az érzelmi jelek tiszteletteljes, pontos és hasznos értelmezése. Összességében a mesterséges intelligencia akkor lép előre, ha az emberi méltóságot középpontban tartva kapcsolja össze az emóció elemzését a döntéstámogatással.