Atrodoties tumšā kinoteātrī, jūsu reakcija uz ekrānā notiekošo bieži tiek pamanīta citiem. Šeit jūs plaši atveriet acis negaidītā sižeta pavērsienā, burtiski pielecat krēslā no biedējošas ainas vai noplēšat asaras melodramatiskajai mūzikai - visas šīs emocijas, iespējams, tiks virzītas ne vairāk kā priekšā esošā krēsla plastikāta aizmugurē. Bet tikai tad, ja šis kinoteātris nav aprīkots ar "datora redzi". Ja jums kādreiz radīsies iespēja apmeklēt kādu no šiem, tad esiet drošs, ka filmas skatīšanās laikā filma skatīsies jūs.
Datorprogrammu, kuras galvenais uzdevums ir tieši tas, kas rakstīts iepriekš, izstrādāja kompānija Silver Logic Labs. Tās izpilddirektors Jerimaja Hamons ir lietišķās matemātikas eksperts, kas specializējas skaitļu teorijā. Viņš daudzus gadus ir strādājis pie tādiem milžiem kā Amazon, Microsoft, kā arī Hārvardas Medicīnas skolā, risinot dažādus jautājumus, kas saistīti ar cilvēku patērētāja dabu. Tomēr viņa galvenā interese vienmēr ir bijusi saprast, kā mākslīgais intelekts (AI) var palīdzēt labāk paredzēt vienu no mūsu visgrūtākajām īpašībām - cilvēka izturēšanos.
Izpētot AI algoritmus, lai analizētu cilvēku reakciju uz dažādu veidu plašsaziņas līdzekļu uztveri, Hamons saprata, ka tas varētu būt noderīgs ne tikai zinātniski, bet arī komerciāli. Viņa sistēma darbojas šādi: AI algoritms uzrauga auditoriju, kas skatās filmu, pamanot emocijas cilvēku sejās, kas izpaužas pat vissmalkākajās izmaiņās (tā sauktajās mikroizpausmēs), un pēc tam ģenerē nepieciešamos datus, pamatojoties uz šo informāciju, turpmākai analīzei.
Džamons nopietni iedziļinājās šādos pētījumos pirms apmēram trim gadiem, un, lai arī viņa darba rezultāti mediju nozarei līdz šim izskatās ļoti rupji, viņi noteikti izraisīja lielu interesi par šo tēmu. Lielākoties tāpēc, ka tie sola ticamus rezultātus, jo cilvēku uzvedība var būt tikpat paredzama kā programmatūras darbība, vismaz paša Hamona redzējumā. AI, savukārt, un datorizētās redzamības tehnoloģijas, kuras tā izmanto, daudz efektīvāk nekā jebkura fucus grupa palīdzēs vākt informāciju par to, kā cilvēki reaģē uz noteiktām filmām un televīzijas programmām. Kad AI ir apmācīts vākt pareizo datu kopu, tas var nodrošināt ātru, konsekventu un detalizētu šīs informācijas analīzi. Par tām nozares jomāmkam jāstrādā ar šiem datiem - lieliskas ziņas. Patiešām, pateicoties kompetentākai un efektīvākai cilvēku vēlmju un vēlmju analīzei, viņi varēs uzlabot savus produktus un pakalpojumus, kas ienes naudu.
Reitingi ir viens no vissvarīgākajiem un indikatīvākajiem aspektiem, kas nodrošina konkrētas televīzijas programmas vai filmas panākumus. Pārsteigumam, kurš sekoja procesam, pašreizējā Hamona programmatūras versija spēja paredzēt Nielsen, Rotten Tomatoes un IMDB reitingus ar precizitāti no 84 līdz 99 procentiem. Rādītāju atšķirība ir saistīta ar faktu, ka daži reitinga objekti ir "multimodāli", tas ir, tie ir paredzēti plašākai auditorijai, tāpēc tos parasti ir grūtāk paredzēt. Kopumā, runājot par TV, pats mēģinājums paredzēt konkrētas programmas popularitāti nevar atstāt iespaidu.
“Kad es pirmo reizi sāku, visi man teica, ka es nekad nevarēšu kaut ko tādu paredzēt, jo neviens to nevar,” sarunā ar futūrismu dalījās Hamons.
Bet ar matemātiku nekas nav neiespējams. Patiešām, pēc Hamona domām, ar matemātisko metožu palīdzību ir iespējams atzīmēt daudzas nianses, kuras vienkārši nav iespējams pamanīt bez to izmantošanas.
“Mēs no auditorijas uzņēma emocionālas reakcijas uz vizuālo un dzirdes stimulēšanu un pārveidoja tās par digitālajām vērtībām. Un, kad kaut kas izpaužas kā digitāla vērtība, tad agrāk vai vēlāk tas notiek nepieciešamā vienādojuma veidā, kura uzdevums mūsu gadījumā ir noskaidrot, cik ļoti jums patika (vai patiks) šī vai tā izrāde,”saka Hamons.
Reklāmas video:
Pētnieks ziņo, ka pastāv plaša statistiskā analīze, taču atsakās sniegt jebkādu informāciju par to, kuru vienādojumu viņš izmanto, lai aprēķinātu, norādot, ka šādā veidā viņš cenšas aizsargāt savas programmas "slepeno sastāvdaļu".
Ārpus izklaides industrijas
AI augstais sniegums cilvēku preferenču prognozēšanā pamudināja Hamonu izpētīt citas jomas, kur viņa programma varētu būt efektīva. Piemēram, nosakot, vai cilvēks saka patiesību vai nē. Tāpat kā poligrāfā, arī AI varēja salīdzināt datus, kas norāda uz stresa apstākļiem, ar atsauces vērtību kopu un, pamatojoties uz to, noteikt, vai cilvēks melo vai nē. Lai pārbaudītu šo ideju, Hamons izmantoja AI algoritmu, lai veiktu cilvēku emociju identificēšanas uzdevumu, pamatojoties uz salīdzinoši zemas kvalitātes video. Pētījuma veikšanai viņš izmantoja ziņu aģentūras CSPAN videoklipus, kā arī filmu materiālus no prezidenta Donalda Trumpa preses konferencēm.
Laikā, kad patiesību var apšaubīt, patiesības atdalīšana no nepatiesības var būt kritiska. Tomēr sistēmu var izmantot arī situācijās, kad tas burtiski ir dzīvības un nāves jautājums. Piemēram, medicīnā, kur var būt nepieciešams precīzi noteikt sāpju līmeni, kāds cilvēkam rodas, lai ārsti varētu izvēlēties efektīvāku ārstēšanu.
Hamons atzīmē, ka sistēma var būt noderīga, piemēram, situācijās, kad nepieciešams identificēt insultu. Neskatoties uz to, ka medicīnas personāls parasti saņem nepieciešamo apmācību, lai viņi varētu noteikt insulta pazīmes, bieži ir reizes, kad tiek izlaisti tā dēvētie mikrotreiki (vai pārejoši išēmiski lēkmes, ja zinātniski), kam ļoti bieži seko liela mēroga insulti, kas ietekmē lielu teritoriju. smadzenes. AI datora redze varētu atklāt šīs insulta mikro pazīmes vai pat gaidāmās slimības simptomus vai ieteikumus, pat pirms tie faktiski parādās pacientam. Šajā gadījumā medicīnas personāls varētu savlaicīgi reaģēt uz situāciju un varbūt pat veikt pasākumus, lai izvairītos no nopietnāka insulta turpmākas attīstības.
Bet vai tas tiešām darbosies? Džamons domā, ka tas ir iespējams. Pētnieks ir pārliecināts, ka AI ir spējīgi kļūt tik jutīgi, ka spēs atklāt tik smalkas un īslaicīgas izmaiņas ķermeņa darbā. Pārbaudot sistēmu dažādās auditorijās, pētniekiem bija jāņem vērā fakts, ka daži cilvēki lieto parakstītas zāles, no kurām dažām, piemēram, ir blakusparādības paaugstināta asinsspiediena vai smalku muskuļu krampju veidā. Varbūt cilvēks nevarēs pamanīt šīs izmaiņas citā cilvēkā, bet AI var tās viegli atklāt, bet tajā pašā laikā tas var sajaukt narkotiku lietošanas ietekmi uz stresa pazīmju izpausmēm. Tas arī ir jāņem vērā.
Spēcīgs rīks
Daudzi cilvēki domā, ka intelektuālajās mašīnās nebūs aizspriedumu, taču nevajadzētu aizmirst, ka šīs mašīnas radīs cilvēki, un šie cilvēki, kuri attīsta un mijiedarbojas ar AI, var neapzināti dot viņiem savus aizspriedumus. Attīstoties AI, šo aizspriedumu uzkrāšanās sekas kļūs izteiktākas un galu galā var ietekmēt dažādus informācijas apstrādes procesus, piemēram, identificējot konkrētu personu vai apkopojot personas sociālos datus, kas ietverti sabiedrisko pakalpojumu tīklos.
Tā kā sejas atpazīšanas tehnoloģijas jau sāk iefiltrēties mūsu personīgajā dzīvē, daudzi sāk pārdomāt un pievērst lielāku uzmanību ētikas jautājumiem, paužot bažas par šādu algoritmu iespējamo neobjektivitāti. Ļoti pretrunīga ir tā pati ideja, ka tehnoloģija var pastāvēt bez jebkādas tajā iegultas novirzes. To nopietni apšauba tikai viens arguments: AI efektivitāte būs atkarīga no tajā iegultajiem datiem, un šajos datos var būt informācija, kuru sākotnēji iekrāsoja tās personas aizspriedumi, kura izveidoja šo sistēmu. Attīstoties AI attīstībai, izveidojot mašīnas, kas faktiski var mācīties, mums ir jāizstrādā ierobežojoši pasākumi, kas mūs var pasargāt no situācijām,kad šīs mašīnas no mums var iemācīties daudz vairāk, nekā mēs domājām viņiem iemācīt.
Neskatoties uz to, tas pats Hamons ir pārliecināts, ka viņa algoritms ir pilnīgi objektīvs, vismaz cik vien iespējams. Viņa datorsistēma interpretē tikai cilvēka uzvedības pazīmes neatkarīgi no tā, kāda veida seja vai ķermenis atrodas viņa redzamības laukā.
“Es esmu indiānis, un man jāatzīst, ka dažreiz šeit notiek lietas, kas var iekaist vidi. Piemēram, jūs varētu satraukties, kad policisti parādās aiz muguras. Tomēr es uzskatu, ka šādas tehnoloģijas nākotnē spēs pilnībā izskaust šo nervozitātes faktoru. Ja jūs neko nedarīsit nepareizi, dators noteikti informēs policistu, ka jūs neko nedarījat nepareizi. Personīgi šajā gadījumā es jutīšos paaugstināts savas drošības un aizsardzības līmenis no policijas brutalitātes, zinot, ka dators spēs veikt līdzīgu draudu novērtēšanas līmeni.
Jebkurā gadījumā Hamons nemaz neuztraucas par datu analīzes rezultātu interpretāciju ar viņa izveidoto algoritmu. Tajā pašā laikā, neskatoties uz pārliecību par savu algoritmu, viņš atzīst arī tā ierobežojumus. Tāpēc, ja mēs runājam par secinājumiem, kas izdarīti pēc analīzes, tad, pēc pētnieka domām, šo lēmumu vislabāk atstāt tiesībaizsardzības sistēmas, medicīnas un psihiatrijas ekspertiem.
Hamona attīstības nākotne uzņēmumā Silver Logic Labs vēl tikai sākas. Un tās izveidoto AI piemērošanas sfēru iespējas ierobežo tikai cilvēka iztēle. Pats Hamons vēlas, lai viņa rīks kļūtu patiesi universāls un tiktu izmantots dažādu jautājumu risināšanā, taču tā vai citādi pētnieks tiek pievērsts tur, kur tas viss sākās: radīt augstas kvalitātes izklaides saturu.
“Stāstu stāstīšana ir daļa no cilvēku kultūras,” saka Hamons.
Savā darbā viņš atklāja vismaz vienu neizmērojamu elementu, kas ir plašsaziņas līdzekļu panākumu atslēga.
“Ir ļoti patīkami skatīties, kā viens cilvēks mijiedarbojas ar citiem. Šī ir viena no tām lietām, kas veido veiksmes formulu,”piebilst pētnieks.
Neskatoties uz to, ka sabiedrība, iespējams, var negatīvi uztvert pārvērtības, kuras AI sola ienākt mūsu dzīvē, Hamona redzējumā noteikti var atrast vienu ļoti pozitīvu brīdi. Agrāk vai vēlāk mākslīgais intelekts, kura pamatā ir visi dati, ko tas savāc, kādu dienu liks mums pārdomāt savu izpratni par to, ko patiesībā nozīmē būt cilvēkam. Iespējams, viņš varēs mūsos saskatīt to, ko vēl nekad nebijām redzējuši citos vai sevī.
Nikolajs Khizhnyak
