Ключевой нотой, лежащей в основе человеческого восприятия, являются эмоции. Это единственное, что позволяет нам различать действия и решения, которые считаются уместными и неуместными, важными и неважными. Мы начали добавлять эмоции в вычисления, чтобы создавать высокоинтеллектуальные среды. Были созданы компьютеры и роботы, которые определенно обладают высоким уровнем эмоционального и когнитивного интеллекта. Однако единственный вопрос, который ставит нас всех в тупик, — можно ли считать машины равными людям? Снова возникает ряд вопросов, связанных с аффективными вычислениями и их вычислительными возможностями: могут ли машины достичь истинной сущности эмоционального интеллекта? Может ли это действовать в реальной жизни? Для того, чтобы понять ограничения современных машин, нам необходимо продолжить обсуждение.
Эффективные вычисления и их начало
Термин «аффективные вычисления» определяет способность машины интерпретировать, ощущать, обнаруживать и предсказывать реакции человека. Его придумала Розалинда Пикард, сотрудник Массачусетского технологического института. Он смог создать программное обеспечение, способное распознавать выражения лица. В своем исследовании он пришел к выводу, что при наличии достаточного количества данных в сочетании с методами машинного обучения можно разработать подходящее носимое устройство.
Эффективные вычисления на практике
Можно принять во внимание знаменитую рождественскую рекламу британского универмага Джона Льюиса. Сообщается, что он стал свидетелем мощного массового обращения. Дисней начал измерять реакцию аудитории так же, как отдел маркетинга магазина Джона Льюиса, с помощью своего новейшего алгоритма, известного как «факторизованные вариационные автокодировщики» (FVAE). Они могут предсказывать части фильмов, которые зрители сочтут самыми смешными.
Сострадательные вычисления как коррелированное использование
Аффективные вычисления можно найти и в других положительных целях, помимо индустрии развлечений. Принятие к сведению информации, поступающей от датчиков в очках, и преобразование ее в выражения в режиме реального времени, изображенные на 3D-мультфильме, может быть проверено путем включения ее в обучение людей с параличом лицевого нерва для изучения определенных упражнений, связанных с мышцами. Здесь данных, собранных с датчиков, будет недостаточно. Для потока информации в реальном времени потребуются другие устройства и IoT.
Общий анализ
В 2016 году IBM анонсировала три API-интерфейса Watson — Tone Analyzer, Emotion Analysis и Visual Recognition. Все они способны интерпретировать и распознавать человеческие эмоции после того, как их заставили работать с определенными технологиями.
Машинное обучение и искусственный интеллект являются неотъемлемой частью аффективных вычислений, поскольку все они взаимосвязаны. Все, чему можно научить машины, можно интерпретировать в виде совершенно новых когнитивных способностей. Машины способны распознавать эмоции и действовать соответствующим образом, если они помещены в правильный контекст, то есть их учат распознавать важные закономерности в человеческой речи, письме и выражениях лица.
Возможности искусственного интеллекта и машинного обучения служат основой эффективных вычислений. Без них восприятие, обнаружение и движение практически невозможно.
