Koristeći kompjuterski potpomognute neuronske mreže, istraživači sa Tehnološkog instituta u Karlsrueu (KIT) i Univerziteta Duizburg-Esen uspeli su da precizno identifikuju afektivna stanja iz govora tela tenisera tokom utakmica. Po prvi put su obučili model zasnovan na veštačkoj inteligenciji (AI) sa podacima iz stvarnih igara.
Njihova studija, objavljena u časopisu Sistemi zasnovani na znanju, pokazuje da AI može da proceni govor tela i emocije sa tačnošću sličnom onoj kod ljudi. Međutim, to takođe ukazuje na etičku zabrinutost.
Za svoju studiju, „Prepoznavanje afektivnih stanja na osnovu ekspresivnog ponašanja tenisera koji koriste konvolucione neuronske mreže“, istraživači iz oblasti sporta, razvoja softvera i računarskih nauka sa KIT-a i Univerziteta Duizburg-Esen razvili su poseban model veštačke inteligencije. Koristili su programe za prepoznavanje uzoraka da analiziraju video snimke tenisera snimljenih tokom stvarnih utakmica.
„Naš model može da identifikuje afektivna stanja sa tačnošću do 68,9%, što je uporedivo, a ponekad čak i superiornije u odnosu na procene koje su dali i ljudski posmatrači i ranije automatizovane metode“, rekao je profesor Darko Jekauc sa KIT-ovog Instituta za sport i sportske nauke.
Važna i jedinstvena karakteristika studije je korišćenje scena iz stvarnog života od strane projektnog tima umesto simuliranih ili izmišljenih situacija za obuku svog AI sistema. Istraživači su snimili video sekvence 15 tenisera u određenom okruženju, fokusirajući se na govor tela prikazan kada je poen osvojen ili izgubljen.
Video snimci su prikazivali igrače sa znakovima uključujući spuštenu glavu, ruke podignute u uzbuđenju, visi reket ili razlike u brzini hodanja; ovi znaci se mogu koristiti za identifikaciju afektivnih stanja igrača.
Nakon što je hranjen ovim podacima, AI je naučio da povezuje signale govora tela sa različitim afektivnim reakcijama i da utvrdi da li je poen osvojen (pozitivan govor tela) ili izgubljen (negativan govor tela). „Obuka u prirodnim kontekstima je značajan napredak za identifikaciju stvarnih emocionalnih stanja i omogućava predviđanja u stvarnim scenarijima“, rekao je Jekauc.
Ne samo da istraživanje pokazuje da bi algoritmi veštačke inteligencije mogli da nadmaše ljudske posmatrače u svojoj sposobnosti da identifikuju emocije u budućnosti, već je otkrilo još jedan zanimljiv aspekt: I ljudi i AI su bolji u prepoznavanju negativnih emocija.
„Razlog bi mogao biti taj što je negativne emocije lakše identifikovati jer se izražavaju na očiglednije načine“, rekao je Jekauc. „Psihološke teorije sugerišu da su ljudi evolutivno bolje prilagođeni da percipiraju negativne emocionalne izraze, na primer, jer je brzo smirivanje konfliktnih situacija od suštinskog značaja za društvenu koheziju.“
Studija predviđa brojne sportske aplikacije za pouzdano prepoznavanje emocija, kao što su poboljšanje metoda treninga, timske dinamike i performansi i sprečavanje sagorevanja. Druge oblasti, uključujući zdravstvenu zaštitu, obrazovanje, korisničku podršku i bezbednost automobila, takođe bi mogle imati koristi od pouzdanog ranog otkrivanja emocionalnih stanja.
„Iako ova tehnologija nudi izglede za značajne koristi, potencijalni rizici povezani sa njom takođe se moraju uzeti u obzir, posebno oni koji se odnose na privatnost i zloupotrebu podataka“, rekao je Jekauc.
„Naša studija se striktno pridržavala postojećih etičkih smernica i propisa o zaštiti podataka. A s obzirom na buduću primenu takve tehnologije u praksi, biće od suštinskog značaja da se unapred razjasne etička i pravna pitanja.“
