Pimedas kinosaalis viibides panevad teised sageli teie reaktsioone ekraanil toimuvale märkamatuks. Siin avate silmad ootamatu proovitüki korral silmad pärani, hüppate sõna otseses mõttes oma toolilt hirmutavalt stseenilt püsti või viskate melodramaatilisele muusikale pisara - kõik need emotsioonid suunatakse tõenäoliselt mitte rohkem kui tooli ees olev plastiline seljatugi. Kuid ainult siis, kui see kino pole varustatud "arvutinägemusega". Kui teil on kunagi võimalus mõnda neist külastada, võite olla kindel, et filmi vaadates jälgib film teid.
Arvutiprogrammi, mille põhiülesanne on täpselt see, millest ülalpool kirjutatakse, töötas välja Silver Logic Labs. Selle tegevjuht Jerimaya Hamon on arvuteooriale spetsialiseerunud rakendusmatemaatika ekspert. Ta on aastaid töötanud selliste hiiglaste nagu Amazon, Microsoft ja Harvardi meditsiinikoolis, tegeledes mitmesuguste inimtarbimisega seotud probleemidega. Tema peamine huvi on alati olnud mõista, kuidas tehisintellekt (AI) aitab paremini ennustada meie ühte kõige raskemat tunnust - inimeste käitumist.
Uurides AI algoritme inimese reageerimise analüüsimiseks erinevat tüüpi meediumitest tajumisel, mõistis Hamon, et see võib olla kasulik mitte ainult teaduslikult, vaid ka äriliselt. Tema süsteem töötab järgmiselt: AI algoritm jälgib filmi vaatavat publikut, märkides inimeste nägudes esile emotsioone, mis avalduvad isegi kõige peenemate muudatuste (nn mikrosekspressioonide) kaudu ning genereerib seejärel selle teabe põhjal vajalikud andmed edasiseks analüüsiks.
Hamon tegeles sellise uurimistööga tõsiselt umbes kolm aastat tagasi ja kuigi tema meediatööstuse töö tulemused näivad seni väga toored, äratasid nad selle teema vastu kindlasti suurt huvi. Suuresti seetõttu, et need lubavad usaldusväärseid tulemusi, kuna inimeste käitumine võib olla vähemalt sama ennustatav kui tarkvara toimimisviis, vähemalt Hamoni enda nägemuses. AI, aga ka arvuti kasutatavad visioonitehnoloogiad, aitavad palju tõhusamalt koguda teavet selle kohta, kuidas inimesed reageerivad teatud filmidele ja telesaadetele kui ükski fucus-grupp. Kui AI on koolitatud õiget andmekogumit koguma, saab see pakkuda selle teabe kiiret, järjepidevat ja üksikasjalikku analüüsi. Nende tööstusharude jaokskes peavad nende andmetega töötama - suurepärased uudised. Tänu inimlike soovide ja eelistuste pädevamale ja tõhusamale analüüsile saavad nad tõepoolest oma raha pakkuvaid tooteid ja teenuseid täiustada.
Reitingud on üks olulisemaid ja suunavamaid aspekte, mis tagavad konkreetse teleprogrammi või filmi edu. Protsessi jälgijate üllatuseks suutis Hamoni tarkvara praegune versioon ennustada Nielseni, Rotten Tomatoes ja IMDB hinnanguid täpsusega 84 kuni 99 protsenti. Näitajate erinevus tuleneb asjaolust, et mõned reitingu objektid on "mitmeliigilised", see tähendab, et need on mõeldud laiemale publikule, seega on neid tavaliselt keerulisem ennustada. Üldiselt, kui rääkida televiisorist, võib konkreetne kava ennustada konkreetse saate populaarsust vaid muljet.
"Kui ma esimest korda alustasin, ütlesid kõik mulle, et ma ei suuda kunagi midagi sellist ennustada, sest keegi ei saa seda teha," jagas Hamon vestluses Futurismiga.
Kuid matemaatikaga pole miski võimatu. Tõepoolest, Hamoni sõnul on matemaatiliste meetodite abil võimalik märkida palju nüansse, mida ilma nende kasutamiseta on lihtsalt võimatu tähele panna.
„Võtsime publikult emotsionaalsed reageeringud visuaalsele ja kuulmisele stimuleerimisele ning muutsime need digitaalseteks väärtusteks. Ja kui midagi saab digitaalse väärtuse kujul, siis varem või hiljem toimub see vajaliku võrrandi vormis, mille ülesanne meie puhul taandub välja selgitada, kui palju teile see või teine saade tegelikult meeldis (või meeldib),”ütleb Hamon.
Reklaamvideo:
Teadlase sõnul on olemas ulatuslik statistiline analüüs, kuid keeldub andmast üksikasju selle kohta, millist võrrandit ta arvutab, osutades, et sel viisil üritab ta kaitsta oma programmi "salajast koostisosa".
Väljaspool meelelahutustööstust
AI kõrge tulemuslikkus inimlike eelistuste ennustamisel ajendas Hamonit uurima teisi valdkondi, kus tema programm võiks olla tõhus. Näiteks määramisel, kas inimene räägib tõtt või mitte. Nagu polügraaf, võiks ka AI võrrelda stressi tekitavatele tingimustele viitavaid andmeid võrdlusväärtuste kogumiga ja selle põhjal teha kindlaks, kas inimene valetab või mitte. Selle idee testimiseks kasutas Hamon AI-algoritmi, et täita suhteliselt madala kvaliteediga video põhjal inimestel emotsioonid. Uurimistööks kasutas ta videoid uudisteagentuurilt CSPAN ning kaadreid filmimisest president Donald Trumpi pressikonverentsidelt.
Ajal, mil tões võib kahtluse alla seada, võib tõe valedest eraldamine olla kriitiline. Kuid süsteemi saab kasutada ka olukordades, kus see on sõna otseses mõttes elu ja surma küsimus. Näiteks meditsiinis, kus võib osutuda vajalikuks täpselt määrata valu tase, mida inimene kogeb, et arstid saaksid valida tõhusamaid ravimeetodeid.
Hamon märgib, et süsteem võib olla kasulik näiteks olukordades, kus on vaja insult tuvastada. Hoolimata asjaolust, et meditsiinitöötajad saavad tavaliselt insuldi tunnuste tuvastamiseks vajaliku väljaõppe, on sageli n-ö mikrolööke (või kui see on teaduslik - kui mööduvad isheemilised rünnakud), millele sageli järgnevad suurt piirkonda mõjutavad ulatuslikud löögid. aju. AI-arvutinägemine võib tuvastada need insuldi mikromärgid või isegi eelseisva haiguse sümptomid või vihjed juba enne patsiendi ilmnemist. Meditsiinitöötajad saaksid sel juhul olukorrale õigeaegselt reageerida ja võib-olla isegi astuda samme tõsisema insuldi edasise arengu vältimiseks.
Kuid kas see ka tegelikult töötab? Jamoni arvates on see võimalik. Teadlane on kindel, et AI-d on võimelised muutuma nii tundlikuks, et nad suudavad tuvastada selliseid peeneid ja mööduvaid muutusi keha töös. Kui süsteemi testiti erinevates sihtrühmades, pidid teadlased arvestama asjaoluga, et mõned inimesed võtsid retseptiravimeid, mõnel neist on näiteks kõrvaltoimed kõrge vererõhu või peene lihaskrambi näol. Võib-olla ei suuda inimene neid muutusi teises inimeses märgata, kuid AI suudab neid hõlpsalt tuvastada, kuid samal ajal võib see eksitada ravimi võtmise tagajärgedega stressi tekitavate märkide avaldumiseks. Ka seda tuleb arvestada.
Võimas tööriist
Paljud inimesed arvavad, et intelligentsetel masinatel pole eelarvamusi, kuid me ei tohiks unustada: neid masinaid loovad inimesed ning need inimesed, kes arendavad ja suhtlevad AI-ga, võivad neile alateadlikult anda omaenda eelarvamused. AI arenedes muutuvad nende eelarvamuste kuhjumise tagajärjed selgemaks ja võivad lõpuks mõjutada mitmesuguseid infotöötlusprotsesse, näiteks konkreetse isiku tuvastamisel või avalike teenuste võrkudes sisalduva isiku sotsiaalsete andmete kogumisel.
Kuna näotuvastustehnoloogiad on juba hakanud tungima meie isiklikku ellu, on paljud hakanud eetikaküsimusi kajastama ja neile rohkem tähelepanu pöörama, väljendades muret selliste algoritmide tõenäolise kallutatud töö pärast. Sama mõte, et tehnoloogia võib eksisteerida ilma mingisuguse eelarvamuseta, on väga vaieldav. Selle kahtluse alla seatakse ainult üks argument: AI tõhusus sõltub sellesse manustatud andmetest ja need andmed võivad sisaldada teavet, mille värvis algselt selle süsteemi loonud isik. AI arendamise edenemise ja selliste masinate loomise abil, mis saavad tegelikult õppida, peame välja töötama piiravad meetmed, mis võivad meid kaitsta olukordade eest,kui need masinad saavad meilt õppida palju rohkem, kui me neile õpetada kavatsesime.
Sellegipoolest on sama Hamon kindel, et tema algoritm on täiesti erapooletu, vähemalt nii palju kui võimalik. Tema arvutisüsteem tõlgendab ainult inimese käitumise märke, hoolimata sellest, millist tüüpi nägu või keha on tema vaateväljas.
„Olen põliselanik ja pean tunnistama, et mõnikord juhtub siin asju, mis võivad keskkonnale süttida. Näiteks võite närvi minna, kui võmmid ilmuvad teie selja taha. Kuid ma usun, et sellised tehnoloogiad suudavad tulevikus selle närvilisuse teguri täielikult likvideerida. Kui te ei tee midagi valesti, teatab arvuti kindlasti politseinikule, et te ei tee midagi valesti. Isiklikult tunnen sel juhul oma turvalisuse ja kaitse kõrgemat taset politsei jõhkruse eest, teades, et arvuti suudab läbi viia sarnase taseme ohtude hindamise.
Igal juhul ei häiri Hamon üldse andmeanalüüsi tulemuste tõlgendamist tema loodud algoritmiga. Samal ajal tunnistab ta hoolimata oma algoritmi enesekindlusest ka selle piiratust. Seega, kui me räägime analüüsi põhjal tehtud järeldustest, siis teadlase sõnul on see otsus kõige parem jätta korrakaitsesüsteemi, meditsiini ja psühhiaatria ekspertidele.
Hamoni arenduse tulevik ettevõttes Silver Logic Labs on alles algus. Ja selle loodud AI rakendussfääride võimalusi piirab ainult inimese kujutlusvõime. Hamon ise soovib, et tema tööriist muutuks tõeliselt universaalseks ja kasutataks mitmesuguste küsimuste lahendamisel, kuid ühel või teisel moel tõmbab uurija sinna, kust see kõik alguse sai: luua kvaliteetset meelelahutussisu.
“Jutuvestmine on osa inimkultuurist,” ütleb Hamon.
Oma töö kaudu avastas ta vähemalt ühe mõõtmatu elemendi, mis on meedia edu võti.
„Inimesele meeldib väga vaadata, kuidas üks inimene suhtleb teistega. See on üks neist asjadest, mis moodustavad edu valemi,”lisab uurija.
Hoolimata asjaolust, et ühiskond võib ehk negatiivselt tajuda muutusi, mida AI lubab meie ellu viia, võib Hamoni nägemuses kindlasti leida ühe väga positiivse hetke. Varem või hiljem paneb tehisintellekt, mis põhineb kõigil tema kogutud andmetel, ühel päeval meid mõtlema ümber oma arusaamale sellest, mida tegelikult tähendab olla inimene. Võib-olla suudab ta meis näha seda, mida me pole kunagi varem näinud teistes ega ka iseendas.
Nikolai Khizhnyak
