Umělá empatie - Artificial empathy

Umělá empatie (AE) nebo výpočetní empatie je vývoj systémů AI - jako např doprovodný robot nebo virtuální agenti - kteří jsou schopni detekovat a reagovat na člověka emoce v empatický způsob.[1] Podle vědců může být tato technologie mnoha lidmi vnímána jako děsivá nebo ohrožující,[2] mohlo by to mít také významnou výhodu nad lidmi v profesích, které se tradičně podílejí na emocionálním hraní rolí, jako je zdravotnictví.[3] Například z pohledu poskytovatele péče má emoční práce nad rámec požadavků placené práce často za následek chronický stres nebo syndrom vyhoření a rozvoj pocitu znecitlivění vůči pacientům. Tvrdí se však, že emoční hraní rolí mezi příjemcem péče a robotem může mít ve skutečnosti pozitivnější výsledek, pokud jde o vytvoření podmínek menšího strachu a obav o vlastní situaci, které nejlépe ilustruje fráze: „if it je jen robot, který se o mě stará, nemůže být tak kritický. “ Vědci diskutují o možném výsledku takové technologie pomocí dvou různých perspektiv. Buď může AE pomoci socializaci pečovatelů, nebo sloužit jako vzor pro emocionální oddělení.[3][4]

Širší definicí umělé empatie je „schopnost nelidských modelů předvídat vnitřní stav člověka (např. Kognitivní, afektivní, fyzický) na základě signálů, které vydává (např. Výraz obličeje, hlas, gesto) nebo předvídat reakce osoby (mimo jiné včetně vnitřních stavů), když je vystavena danému souboru podnětů (např. výraz obličeje, hlas, gesto, grafika, hudba atd.) “.[5]

Oblasti výzkumu

Hlavní články: Filozofie umělé inteligence a Etika umělé inteligence

Existuje celá řada filozofických, teoretických a aplikačních otázek souvisejících s AE. Například:

  1. Jaké podmínky by musely být splněny, aby robot kompetentně reagoval na lidské emoce?
  2. Jaké modely empatie lze nebo bychom měli aplikovat na sociální a asistenční robotiku?
  3. Musí interakce člověka s roboty napodobovat afektivní interakci mezi lidmi?
  4. Může robot pomoci vědě dozvědět se o afektivním vývoji člověka?
  5. Vytvořili by roboti nepředvídané kategorie neautentických vztahů?
  6. Jaké vztahy s roboty lze považovat za skutečně autentické?

Příklady výzkumu a praxe AE

Lidé často komunikují a rozhodují se na základě závěrů jiných vnitřních stavů (např. Emocionálních, kognitivních a fyzických stavů) z různých signálů vysílaných osobou, jako je výraz obličeje, gesto těla, hlas a slova. Obecně řečeno, doména AE se zaměřuje na vývoj nehumánních modelů k dosažení podobných cílů pomocí dat emitovaných nebo zobrazených lidem.

Proudy výzkumu AE

Koncept AE byl aplikován v různých výzkumných disciplínách, včetně umělé inteligence a podnikání. Konkrétně v této oblasti existují dva hlavní směry výzkumu: zaprvé, použití nelidských modelů při předpovídání vnitřního stavu člověka (např. Kognitivní, afektivní, fyzický) vzhledem k signálům, které vydává (např. Výraz obličeje, hlas) , gesto); zadruhé, použití nelidských modelů při předpovídání reakce člověka, když je vystaven danému souboru podnětů (např. výraz obličeje, hlas, gesto, grafika, hudba atd.).[5]

Výzkum v oblasti afektivní výpočetní technika, jako emoční rozpoznávání řeči a detekce výrazu obličeje, spadá do prvního proudu AE. Kontexty, které byly studovány, zahrnují ústní rozhovory,[6] call centrum[7] interakce člověk-počítač,[8] prodejní hřiště,[9] a finanční výkaznictví.[10] Druhý proud AE byl zkoumán více v marketingových kontextech, jako je reklama,[11] branding,[12][13] Hodnocení zákazníků,[14] systém doporučení v obchodě,[15] filmy,[16] a online seznamování.[17]

Aplikace AE v praxi

Se zvyšujícím se objemem vizuálních, zvukových a textových dat v obchodě existuje mnoho podnikových aplikací využívajících AE. Například, Affectiva[18] analyzuje výraz obličeje diváků z videozáznamů při sledování videoreklam s cílem optimalizovat obsahový obsah videoreklam. HireVue,[19] náborová zpravodajská firma, pomáhejte firmám s přijímáním rozhodnutí o náboru pomocí analýzy zvukových a obrazových informací z video rozhovorů kandidátů. Řešení Lapetus[20] vyvíjí model pro odhad dlouhověkosti, zdravotního stavu a náchylnosti k nemoci z fotografie obličeje. Jejich technologie byla použita v pojišťovnictví.[21]

Umělá empatie a lidské služby

Ačkoli se dosud neprojevilo, že by umělá inteligence nahradila samotné sociální pracovníky, technologie začala dělat vlny v terénu. Sociální práce dnes v roce 2017 publikoval článek popisující výzkum prováděný na Florida State University. Výzkum zahrnoval použití počítačových algoritmů k analýze zdravotních záznamů a detekci kombinací rizikových faktorů, které by mohly naznačovat budoucí pokus o sebevraždu. Článek uvádí: „strojové učení - budoucí hranice umělé inteligence - může s 80% až 90% přesností předpovědět, zda se někdo pokusí o sebevraždu až za dva roky do budoucnosti. Algoritmy se stanou ještě přesnějšími jako pokus o sebevraždu člověka přiblíží se. Přesnost se například vyšplhá na 92% jeden týden před pokusem o sebevraždu, když se umělá inteligence zaměřuje na všeobecné nemocniční pacienty. “

V tomto okamžiku umělá inteligence nedokázala úplně nahradit sociální pracovníky, ale algoritmické stroje, jako jsou ty popsané výše, mohou mít pro sociální pracovníky neuvěřitelné výhody. Sociální práce probíhá na cyklu zapojení, hodnocení, intervence a hodnocení s klienty. Tato technologie umožňuje posouzení rizika sebevraždy vést k dřívějším zásahům a prevenci, a tím k záchraně životů. Doufáme, že tito vědci budou tuto technologii implementovat do našeho moderního systému zdravotní péče. Systém by se naučil, analyzoval a detekoval rizikové faktory a varoval klinického lékaře o skóre rizika sebevraždy pacienta (ekvivalent k skóre kardiovaskulárního rizika pacienta). V tomto okamžiku by mohli sociální pracovníci vstoupit do dalšího hodnocení a preventivního zásahu.

Viz také

Reference

  1. ^ Yalçın, Ö.N., DiPaola, S.Modelování empatie: budování vazby mezi afektivními a kognitivními procesy. Recenze umělé inteligence 53, 2983–3006 (2020). doi:10.1007 / s10462-019-09753-0.
  2. ^ Jan-Philipp Stein; Peter Ohler (2017). „Pustit se do tajemného údolí mysli - Vliv atribuce mysli na přijetí postav podobných člověku v prostředí virtuální reality“. Poznání. 160: 43–50. doi:10.1016 / j.cognition.2016.12.010. ISSN  0010-0277. PMID  28043026.
  3. ^ A b Bert Baumgaertner; Astrid Weiss (26. února 2014). „Záleží na emocích v etice interakce člověka s robotem?“ (PDF). Umělá empatie a doprovodní roboti. Sedmý rámcový program Evropského společenství (FP7 / 2007-2013) v rámci grantové dohody č. 288146 („HOBBIT“); a Rakouská vědecká nadace (FWF) na základě grantové dohody T623-N23 („V4HRC“) - prostřednictvím přímého stažení.
  4. ^ Minoru Asada (14. února 2014). „Afektivní vývojová robotika“ (PDF). Jak můžeme navrhnout rozvoj umělé empatie?. Osaka, Japonsko: Oddělení adaptivních strojních systémů, Graduate School of Engineering, Osaka University - prostřednictvím přímého stažení.
  5. ^ A b Xiao, L., Kim, H. J., & Ding, M. (2013). "Úvod do audio a vizuálního výzkumu a aplikací v marketingu". Recenze marketingového výzkumu, 10, str. 244. doi:10.1108 / S1548-6435 (2013) 0000010012.
  6. ^ Hansen, J. H., Kim, W., Rahurkar, M., Ruzanski, E., & Meyerhoff, J. (2011). "Robustní detekce emočního stresu s využitím vážených frekvenčních dílčích pásem". Deník EURASIP o pokroku ve zpracování signálu, 2011, 1–10.
  7. ^ Lee, C. M. a Narayanan, S. S. (2005). „Směrem k detekci emocí v mluvených dialozích. Transakce IEEE při zpracování řeči a zvuku, 13(2), 293–303.
  8. ^ Batliner, A., Hacker, C., Steidl, S., Nöth, E., D'Arcy, S., Russell, M. J., & Wong, M. (2004, duben). "„Ty hloupý plechový box“ - děti s robotem AIBO: Cross-lingvistický emoční korpus řeči “. Lrec.
  9. ^ Allmon, D. E., a Grant, J. (1990). Realitní agenti a etický kodex: Hlasová stresová analýza. Journal of Business Ethics, 9(10), 807–812.
  10. ^ Hobson, J. L., Mayew, W. J. a Venkatachalam, M. (2012). Analýza řeči za účelem zjištění nesprávného finančního hlášení. Journal of Accounting Research, 50(2), 349–392.
  11. ^ Xiao, L., & Ding, M. (2014). „Jen tváře: Zkoumání účinků rysů obličeje v tiskové reklamě“. Marketingová věda, 33(3), 338–352.
  12. ^ Netzer, O., Feldman, R., Goldenberg, J., & Fresko, M. (2012). Využijte své vlastní podnikání: Dohled nad strukturou trhu prostřednictvím těžby textu. Marketingová věda, 31(3), 521-543.
  13. ^ Tirunillai, S., & Tellis, G. J. (2014). Význam těžařského marketingu z online chatování: Strategická analýza značky velkých dat pomocí přidělení latentních dirichletů. Journal of Marketing Research, 51(4), 463–479.
  14. ^ Büschken, J., & Allenby, G. M. (2016). Věta založená na textové analýze pro recenze zákazníků. Marketingová věda, 35(6), 953–975.
  15. ^ Lu, S., Xiao, L., & Ding, M. (2016). Systém automatického doporučování videa (VAR) založený na videu pro oděvy. Marketingová věda, 35(3), 484-510.
  16. ^ Liu, X., Shi, S. W., Teixeira, T., & Wedel, M. (2018). Marketing videoobsahu: Výroba klipů. Journal of Marketing, 82(4), 86–101.
  17. ^ Zhou, Yinghui, Shasha Lu a Min Ding (2020), „Rámec kontury tváře (CaF): metoda ochrany soukromí a vnímání“, Journal of Marketing Research, připravujeme.
  18. ^ "Domov".
  19. ^ „Platforma pro testování před zaměstnáním a video rozhovory“.
  20. ^ „Lapetus Solutions, Inc“.
  21. ^ „CHRONOS - Začněte“.