7 Δεκεμβρίου 2019
Η πιο προφανής εφαρμογή των τεχνολογιών αναγνώρισης συναισθημάτων είναι το μάρκετινγκ.
Πωλήσεις & Διαφήμιση
Με τη βοήθεια αυτών των τεχνολογιών, είναι δυνατόν να προσδιοριστεί πώς ένα εμπορικό επηρεάζει ένα άτομο. Για να γίνει αυτό, μπορείτε, για παράδειγμα, να εγκαταστήσετε μια δομή με μια κάμερα που θα αλλάξει τη διαφήμιση ανάλογα με τη διάθεση, το φύλο και την ηλικία των ανθρώπων που περνούν.
"Η ανάλυση της ροής βίντεο μας επιτρέπει να μάθουμε τον αριθμό των μοναδικών επισκεπτών ανά κατάστημα, το κοινωνικοδημογραφικό προφίλ τους, να υπολογίσουμε τον δείκτη ικανοποίησης κάθε πελάτη και γενικά στατιστικά στοιχεία, καθώς και να το συγκρίνουμε με άλλα καταστήματα, υποκαταστήματα και ολόκληρα δίκτυα πωλήσεων. Αυτό είναι ένα είδος Google analytics, μόνο για εκτός σύνδεσης. Τα ίδια συστήματα εγκαθίστανται σε αλυσίδες ξενοδοχείων», δήλωσε ο Georgy Pliev, ιδρυτής και διευθύνων σύμβουλος της Neurodata Lab.
Ένα παρόμοιο σχέδιο αναπτύχθηκε από τις νεοσύστατες επιχειρήσεις Cloverleaf και Affectiva. Έχουν εισαγάγει ηλεκτρονικές ετικέτες ραφιών με διαφημίσεις που ονομάζονται shelfPoint, οι οποίες συλλέγουν δεδομένα σχετικά με τα συναισθήματα των αγοραστών. Η Procter &; Gamble, η Walmart και άλλες μεγάλες εταιρείες έχουν δοκιμάσει νέες τεχνολογίες. Σύμφωνα με το Cloverleaf, οι πωλήσεις αυξήθηκαν κατά 10-40% και η αφοσίωση των πελατών αυξήθηκε κατά 3-5 φορές.
Μια πιο ασυνήθιστη επιλογή είναι ένας ρομποτικός σύμβουλος με τεχνητή νοημοσύνη. Θα αλληλεπιδράσει με τους πελάτες, θα διαβάσει τα συναισθήματά τους και θα τους επηρεάσει. Και επίσης να κάνετε εξατομικευμένες προσφορές.
Το ρομπότ υπηρεσίας παρουσιάστηκε από τη ρωσική εκκίνηση Promobot. Χρησιμοποιεί ένα νευρωνικό δίκτυο που αναπτύχθηκε από το Neurodata Lab, το οποίο ανιχνεύει συναισθήματα από διάφορες πηγές ταυτόχρονα: καταγραφές του προσώπου, της φωνής, των κινήσεων, καθώς και του αναπνευστικού ρυθμού και παλμού.
Η Promobot πωλεί ενεργά τα ρομπότ της στο εξωτερικό. Το 2018, η εκκίνηση υπέγραψε σύμβαση με την αμερικανική εταιρεία Intellitronix για 56,7 εκατομμύρια δολάρια και το επόμενο έτος συμφώνησε να προμηθεύσει συσκευές στη Σαουδική Αραβία, το Ισραήλ, το Κουβέιτ και τη Σουηδία - για τις οποίες η εταιρεία θα λάβει 1,1 εκατομμύρια δολάρια. Σύμφωνα με την Promobot, σήμερα 492 ρομπότ εργάζονται σε 34 χώρες του κόσμου ως οδηγοί, θυρωροί, σύμβουλοι και υποστηρικτές.
"Η συναισθηματική τεχνητή νοημοσύνη θα επιτρέψει στο ρομπότ να προσαρμόσει τη στρατηγική επικοινωνίας με βάση τη συναισθηματική κατάσταση του συνομιλητή - να ενθαρρύνει, να αστειευτεί, να ηρεμήσει και, ως εκ τούτου, να κερδίσει περισσότερη εμπιστοσύνη", δήλωσε ο Oleg Kivokurtsev, συνιδρυτής της Promobot.
Τράπεζες
Οι τεχνολογίες αναγνώρισης συναισθημάτων βοηθούν τις τράπεζες να λαμβάνουν ανατροφοδότηση από τους πελάτες χωρίς έρευνες και να βελτιώνουν τις υπηρεσίες. Οι βιντεοκάμερες εγκαθίστανται στα υποκαταστήματα και οι αλγόριθμοι εγγραφής καθορίζουν την ικανοποίηση των επισκεπτών. Τα νευρωνικά δίκτυα μπορούν επίσης να αναλύσουν τη φωνή και την ομιλία του πελάτη και του χειριστή κατά τη διάρκεια μιας κλήσης στο κέντρο επικοινωνίας.
Στη Ρωσία, προσπαθούν να εφαρμόσουν τη συναισθηματική AI για μεγάλο χρονικό διάστημα: δοκιμάστηκε στη Sberbank το 2015 και τρία χρόνια αργότερα, η Alfa-Bank ξεκίνησε τον πιλότο της για την ανάλυση συναισθημάτων μέσω βίντεο. Εκτός από τις καταγραφές από κάμερες παρακολούθησης, χρησιμοποιούνται επίσης εγγραφές κλήσεων. Η VTB ξεκίνησε ένα πιλοτικό πρόγραμμα για την εισαγωγή της συναισθηματικής τεχνητής νοημοσύνης το 2019. Και η Rosbank, μαζί με το Neurodata Lab, έχει ήδη δοκιμάσει την ανίχνευση των συναισθημάτων των πελατών μέσω της φωνής και της ομιλίας. Ο πελάτης κάλεσε την τράπεζα και το νευρωνικό δίκτυο ανέλυσε την κατάστασή του και το νόημα της συνομιλίας. Επιπλέον, το AI παρατήρησε παύσεις στην ομιλία του χειριστή, την ένταση της φωνής και την ώρα επικοινωνίας. Αυτό κατέστησε δυνατό όχι μόνο τον έλεγχο της ικανοποίησης από την υπηρεσία, αλλά και τον έλεγχο του έργου των χειριστών του κέντρου επαφών.
Τώρα η Rosbank έχει εφαρμόσει τη δική της λύση για την αναγνώριση συναισθημάτων. Αντί για ακουστικό σήμα, το σύστημα αναλύει το κείμενο, διατηρώντας παράλληλα υψηλή ακρίβεια.
«Η Rosbank δοκίμασε πιλοτικά μια τεχνολογία για την αναγνώριση συναισθημάτων σε ένα κέντρο επαφών: η τεχνολογία δοκιμάστηκε σε συνομιλίες και κλήσεις. Αρχικά, εξετάσαμε τη λύση του πωλητή που βοηθά να ληφθούν υπόψη τα ακουστικά χαρακτηριστικά, αλλά αυτή τη στιγμή έχουμε καταλήξει στην ανάπτυξη μιας εσωτερικής λύσης: ο αλγόριθμος καθορίζει αυτόματα το συναίσθημα με ακρίβεια έως και 90% με βάση το κείμενο ", Dmitry Smirnov, επικεφαλής του εργαστηρίου δεδομένων της Rosbank.
Το Κέντρο Τεχνολογιών Ομιλίας (η Sberbank κατέχει μερίδιο ελέγχου) ασχολείται επίσης με την αναγνώριση των συναισθημάτων στην ομιλία. Η υπηρεσία Smart Logger αναλύει τη φωνή και το λεξιλόγιο των πελατών και των πρακτόρων, τους χρόνους ομιλίας και τις παύσεις για να διαπιστώσει την ικανοποίηση από την υπηρεσία.
"Όταν επικοινωνείτε με ένα κέντρο επικοινωνίας, δεν θα θέλατε ο πράκτορας να εκφράσει τα συναισθήματά του, ειδικά τα αρνητικά που συσσωρεύτηκαν μετά από συνομιλία με προηγούμενους δυσαρεστημένους πελάτες. Το σύστημα ανάλυσης ομιλίας ελέγχει την εμφάνιση τέτοιων καταστάσεων, γεγονός που μας επιτρέπει να βελτιώσουμε την ποιότητα των υπηρεσιών ", Kirill Levin, Διευθυντής του Τμήματος Έρευνας της STC.
Ψυχαγωγία
Τα συστήματα αναγνώρισης συναισθημάτων μπορούν να χρησιμοποιηθούν για να ανακαλύψουν την αντίδραση του κοινού σε μια ταινία. Το 2017, η Disney, σε συνεργασία με επιστήμονες, διεξήγαγε ένα πείραμα: εγκατέστησε κάμερες σε κινηματογράφο και συνέδεσε αλγόριθμους βαθιάς μάθησης για να αξιολογήσει τα συναισθήματα των θεατών. Το σύστημα θα μπορούσε να προβλέψει τις αντιδράσεις των ανθρώπων παρατηρώντας τις για λίγα λεπτά. Κατά τη διάρκεια του πειράματος, συλλέχθηκε ένα εντυπωσιακό σύνολο δεδομένων: 68 δείκτες από κάθε έναν από τους 3.179 θεατές. Συνολικά, υπήρχαν 16 εκατομμύρια εικόνες προσώπων.
Για τον ίδιο σκοπό, το YouTube δημιούργησε το δικό του AI που ονομάζεται YouFirst. Επιτρέπει στους vloggers και τις επιχειρήσεις να δοκιμάσουν περιεχόμενο πριν κυκλοφορήσουν στην πλατφόρμα. Οι χρήστες κάνουν κλικ σε έναν ειδικό σύνδεσμο, συμφωνούν να τραβήξουν ένα βίντεο και να παρακολουθήσουν το βίντεο. Αυτή τη στιγμή, το νευρωνικό δίκτυο ανιχνεύει τις αντιδράσεις τους και στέλνει τα δεδομένα στον ιδιοκτήτη του καναλιού.
Μεταξύ των ρωσικών εταιρειών, η αντίδραση στα βίντεο μπορεί να αναλυθεί, για παράδειγμα, από τη Neurobotics. Η εταιρεία έχει αναπτύξει το πρόγραμμα EmoDetect, το οποίο αναγνωρίζει τη χαρά, τη λύπη, την έκπληξη, το φόβο, το θυμό, την αηδία και την ουδέτερη κατάσταση. Το πρόγραμμα εξετάζει έως και 20 τοπικά χαρακτηριστικά του προσώπου σε παγωμένα καρέ και μια σειρά εικόνων. Το σύστημα αναλύει τις κινητικές μονάδες και χρησιμοποιεί τεχνολογία κωδικοποίησης κίνησης προσώπου FACS. Είναι δυνατή η εγγραφή βίντεο από την κάμερα web. Το API EmoDetect σάς επιτρέπει να ενσωματώσετε το προϊόν με εξωτερικές εφαρμογές.
Η συναισθηματική τεχνητή νοημοσύνη αρχίζει επίσης να χρησιμοποιείται στη βιομηχανία τυχερών παιχνιδιών. Βοηθά στην εξατομίκευση του παιχνιδιού και προσθέτει περισσότερη αλληλεπίδραση με τον παίκτη.
"Η αναγνώριση συναισθημάτων χρησιμοποιείται ήδη για τη δημιουργία διαδραστικών διεπαφών - παιχνιδιών επόμενης γενιάς όπου η πλοκή μπορεί να αλλάξει ανάλογα με τα συναισθήματα του παίκτη", δήλωσε ο Georgy Pliev, ιδρυτής και διευθύνων σύμβουλος του Neurodata Lab.
Για παράδειγμα, η αμερικανική εταιρεία Affectiva, η οποία ασχολείται με τη συναισθηματική τεχνητή νοημοσύνη, βοήθησε στη δημιουργία ενός παιχνιδιού στο είδος του ψυχολογικού θρίλερ Nevermind. Η ένταση εξαρτάται από την κατάσταση του παίκτη: η πλοκή γίνεται πιο σκοτεινή όταν είναι αγχωμένοι και αντίστροφα.
Εκπαίδευση
Η αναγνώριση συναισθημάτων εφαρμόζεται επίσης στην εκπαίδευση. Με τη βοήθειά του, μπορείτε να μελετήσετε τη διάθεση και την προσοχή των μαθητών κατά τη διάρκεια των μαθημάτων.
«Τοποθετήσαμε αρκετές κάμερες στην τάξη και παρακολουθήσαμε πώς αλλάζουν τα συναισθήματα του κοινού κατά τη διάρκεια της διάλεξης. Με βάση τα αποτελέσματα, είναι δυνατόν να διαπιστωθεί η εξάρτηση του επιπέδου γνώσεων των μαθητών από το βαθμό συμμετοχής τους στην τάξη. Τα δεδομένα μπορούν να χρησιμοποιηθούν για τη βελτίωση της ποιότητας της μάθησης: προσαρμογή του προγράμματος σπουδών, διαίρεση των διαλέξεων σε σημασιολογικά μπλοκ, εισαγωγή πιο διαδραστικής μηχανικής και ούτω καθεξής. Μια παρόμοια προσέγγιση εφαρμόστηκε σε ένα γυμνάσιο στην κινεζική πόλη Hangzhou», δήλωσε ο Vitaly Vinogradov, Product Manager στην Ivideon, μια υπηρεσία παρακολούθησης βίντεο cloud και ανάλυσης βίντεο.
Ρώσοι προγραμματιστές έχουν εφαρμόσει συναισθηματική τεχνητή νοημοσύνη στο Περμ. Η ώθηση για την ανάπτυξη της τεχνολογίας ήταν οι επιθέσεις μαθητών σε μαθητές γυμνασίου και σε έναν δάσκαλο. Η Rostelecom και η νεοφυής επιχείρηση New Vision έχουν αναπτύξει το πρόγραμμα Smart and Safe School για την παρακολούθηση της συναισθηματικής κατάστασης των παιδιών. Αυτό θα βοηθήσει στον εντοπισμό των αντικοινωνικών εφήβων πριν χτυπήσει η τραγωδία.
Βασίστηκε στο σύστημα του Paul Ekman. Το νευρωνικό δίκτυο ανέλυσε τις παραμικρές μυϊκές κινήσεις χρησιμοποιώντας 150 σημεία στο πρόσωπο. Ένας μεγάλος όγκος δεδομένων συλλέχθηκε κατά τη διάρκεια του μαθήματος: 5-6 χιλιάδες πλαίσια για κάθε μαθητή. Το πρόγραμμα μελέτησε το σύνολο δεδομένων και υπολόγισε τη συναισθηματική κατάσταση κάθε παιδιού. Σύμφωνα με τους δημιουργούς, η ακρίβεια ήταν 72%.
ΥΕ
Η συναισθηματική τεχνητή νοημοσύνη μπορεί να είναι χρήσιμη στη συνεργασία με το προσωπικό. Βοηθά στον προσδιορισμό της κατάστασης του εργαζομένου, στην έγκαιρη παρατήρηση της κόπωσης ή της δυσαρέσκειάς του και στην αποτελεσματικότερη ανακατανομή των καθηκόντων.
"Χρησιμοποιούμε το δικό μας σύστημα αναγνώρισης συναισθημάτων για να παρακολουθούμε το συνολικό εργασιακό υπόβαθρο και να προσαρμόζουμε το σύστημα κινήτρων, τον φόρτο εργασίας των εργαζομένων και την κατανομή εργασιών", δήλωσε ο Vitaly Vinogradov, διευθυντής προϊόντων στην Ivideon, μια υπηρεσία παρακολούθησης βίντεο cloud και ανάλυσης βίντεο.
Επιπλέον, η τεχνολογία βοηθά στην πρόσληψη. Με τη βοήθεια της συναισθηματικής τεχνητής νοημοσύνης, είναι δυνατό να ελέγξετε την καταλληλότητα του υποψηφίου για τη θέση ή να τον πιάσετε να ψεύδεται κατά τη διάρκεια μιας συνέντευξης.
«Η αυτόματη ανίχνευση του παλμού, της αναπνοής και ενός συνόλου συναισθηματικών εκδηλώσεων μπορεί να υποδεικνύει τη δυσφορία ενός εργαζομένου στο χώρο εργασίας, καθώς και να εντοπίσει τον κίνδυνο απάτης στο στάδιο της επιλογής υποψηφίων σε κλάδους που είναι ιδιαίτερα ευαίσθητοι στην απάτη, όπως οι τραπεζικές και ασφαλιστικές εταιρείες», δήλωσε ο Georgy Pliev, ιδρυτής και διευθύνων σύμβουλος της Neurodata Lab.
Η αμερικανική εταιρεία HireVue χρησιμοποιεί τεχνητή νοημοσύνη για την αξιολόγηση των υποψηφίων. Ο αιτών υποβάλλεται σε συνέντευξη βίντεο και το νευρωνικό δίκτυο καθορίζει την κατάστασή του με λέξεις-κλειδιά, φωνητικό τόνο, κινήσεις και εκφράσεις του προσώπου. Η τεχνητή νοημοσύνη επισημαίνει τα χαρακτηριστικά που είναι σημαντικά για την κενή θέση και δίνει βαθμούς, ενώ ο διευθυντής ανθρώπινου δυναμικού επιλέγει τους κατάλληλους υποψηφίους.
Η startup Human με έδρα το Λονδίνο χρησιμοποιεί βίντεο για να εντοπίσει τα συναισθήματα και να τα ταιριάξει με χαρακτηριστικά γνωρίσματα. Μετά τη συνέντευξη βίντεο, οι υπεύθυνοι προσλήψεων λαμβάνουν μια αναφορά που τους λέει πόσο ειλικρινής, περίεργος, ενθουσιασμένος, ενθουσιώδης ή σίγουρος ήταν ο υποψήφιος και πώς απάντησαν στις ερωτήσεις.
Ιατρική
Σε αυτόν τον τομέα, όχι μόνο η μη επαφή, αλλά και οι μέθοδοι επαφής για τον προσδιορισμό των συναισθημάτων θα είναι χρήσιμες. Υλοποιούνται ενεργά από ξένες νεοσύστατες επιχειρήσεις, όπως η Affectiva και η Brain Power. Μεταξύ των εξελίξεων των εταιρειών είναι τα γυαλιά τεχνητής νοημοσύνης που βοηθούν τα παιδιά και τους ενήλικες με αυτισμό να αναγνωρίζουν τα συναισθήματα των άλλων ανθρώπων και να αναπτύσσουν κοινωνικές δεξιότητες.
Αλλά τα νευρωνικά δίκτυα μπορούν να βοηθήσουν τους ασθενείς χωρίς φορητούς αισθητήρες. Επιστήμονες από το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης δημιούργησαν ένα νευρωνικό δίκτυο που ανιχνεύει την κατάθλιψη αναλύοντας την ομιλία ενός ατόμου. Η ακρίβεια του αποτελέσματος ήταν 77%. Και η Beyond Verbal, μια startup, χρησιμοποιεί AI για να αναλύσει την ψυχική υγεία των ασθενών. Ταυτόχρονα, το νευρωνικό δίκτυο εξάγει μόνο βιοδείκτες φωνής από την ηχογράφηση.
Αυτοκίνητα
Το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης αναπτύσσει ένα AI που ονομάζεται AutoMotive που θα καθορίσει την κατάσταση του οδηγού και των επιβατών. Όχι μόνο θα παρακολουθούν τα επίπεδα άγχους τους, αλλά θα προσπαθήσουν επίσης να τα μειώσουν παίζοντας ήρεμη μουσική, ρυθμίζοντας τη θερμοκρασία στην καμπίνα ή επιλέγοντας μια λιγότερο πολυσύχναστη διαδρομή.
«Με τη βοήθεια μιας συνηθισμένης κάμερας τοποθετημένης στο αυτοκίνητο, είναι δυνατόν να αναλυθεί η συναισθηματική κατάσταση (επιθετικότητα και ένταση), το επίπεδο άγχους, κόπωσης και να μετρηθεί ο παλμός ενός ατόμου. Σε αντίθεση με τους φορετούς αισθητήρες, η κάμερα δεν αποσπά την προσοχή από τη διαδικασία οδήγησης και αυξάνει την ασφάλεια. Οι εταιρείες ταξί θα είναι σε θέση να εντοπίζουν τους οδηγούς που συχνά κάθονται πίσω από το τιμόνι πολύ κουρασμένοι. Τέτοιες τεχνολογίες θα βοηθήσουν επίσης το αυτοκίνητο να κατανοήσει καλύτερα τη διάθεση τόσο του οδηγού όσο και των επιβατών και θα προσαρμόσει την ατμόσφαιρα στην καμπίνα - μουσική, φωτισμός - για να το κάνει πιο άνετο. Τέτοιες δεξιότητες θα είναι επίσης χρήσιμες για έναν εικονικό βοηθό φωνής», δήλωσε ο Georgy Pliev, ιδρυτής και διευθύνων σύμβουλος της Neurodata Lab.
Περιορισμοί της συναισθηματικής τεχνητής νοημοσύνης
Το νευρωνικό δίκτυο δεν μπορεί να λάβει υπόψη το πλαίσιο.
Η τεχνητή νοημοσύνη έχει μάθει να αναγνωρίζει βασικά ανθρώπινα συναισθήματα και καταστάσεις, αλλά εξακολουθεί να μην είναι σε θέση να αντιμετωπίσει πιο περίπλοκες καταστάσεις. Οι επιστήμονες σημειώνουν ότι οι εκφράσεις του προσώπου δεν δείχνουν πάντα με ακρίβεια τι αισθάνεται πραγματικά ένα άτομο. Το χαμόγελό του μπορεί να είναι προσποιητό ή σαρκαστικό, και αυτό μπορεί να καθοριστεί μόνο από το πλαίσιο.
Οι ειδικοί του NtechLab πιστεύουν ότι εξακολουθεί να είναι δύσκολο να προσδιοριστεί με ακρίβεια ο λόγος για τον οποίο προκύπτει ένα συγκεκριμένο συναίσθημα.
«Είναι δυνατόν να μετρηθεί η συναισθηματική κατάσταση των ανθρώπων σε οποιοδήποτε μέρος, αλλά οι περισσότεροι άνθρωποι έχουν ένα ουδέτερο συναίσθημα στο πρόσωπό τους. Και ακόμα κι αν είναι αναστατωμένοι ή θυμωμένοι, είναι πιθανό να μην είναι ένα συγκεκριμένο προϊόν στο κατάστημα ή η ποιότητα της υπηρεσίας που τους αναστάτωσε ή τους εξόργισε ».
Το NtechLab τονίζει ότι είναι απαραίτητο να αναγνωρίσουμε όχι μόνο τις εκφράσεις του προσώπου, αλλά και τις ανθρώπινες κινήσεις. Μια ποικιλία δεδομένων θα κάνει τη συναισθηματική AI πολύ πιο αποτελεσματική. Ο Daniil Kireev, κορυφαίος ερευνητής στην VisionLabs, μια εταιρεία που αναπτύσσει προϊόντα αναγνώρισης προσώπου, συμφωνεί με αυτό. Κατά τη γνώμη του, με μεγάλο όγκο δεδομένων, η ακρίβεια των αλγορίθμων αυξάνεται.
«Λάθη συμβαίνουν και ο αριθμός τους εξαρτάται από πολλούς παράγοντες: την ποιότητα του δείγματος προπόνησης, το εκπαιδευμένο νευρωνικό δίκτυο και τα δεδομένα στα οποία λειτουργεί το σύστημα που προκύπτει. Προσθέτοντας πληροφορίες από διαφορετικές πηγές, όπως φωνή, μπορείτε να βελτιώσετε την ποιότητα του συστήματος. Ταυτόχρονα, είναι σημαντικό να καταλάβουμε ότι είναι πιο πιθανό να καθορίσουμε την έκφραση του προσώπου παρά το τελικό συναίσθημα. Ο αλγόριθμος μπορεί να προσπαθήσει να προσδιορίσει το συναίσθημα που έχει παιχτεί, αλλά για να συμβεί αυτό, η ανάπτυξη της τεχνολογίας πρέπει να κάνει ένα μικρό βήμα προς τα εμπρός», λέει ο Daniil Kireev.Κακός εξοπλισμός.
Η ποιότητα των αλγορίθμων επηρεάζεται από εξωτερικούς παράγοντες. Προκειμένου η ακρίβεια της αναγνώρισης συναισθημάτων να είναι υψηλή, οι βιντεοκάμερες και τα μικρόφωνα πρέπει να είναι υψηλής ποιότητας. Επιπλέον, το αποτέλεσμα επηρεάζεται από τον φωτισμό και τη θέση της κάμερας. Σύμφωνα με τον Daniil Kireev, οι ανεξέλεγκτες συνθήκες περιπλέκουν τη διαδικασία προσδιορισμού των ανθρώπινων καταστάσεων.
«Φυσικά, οι ερευνητές προσπαθούν να δημιουργήσουν μεθόδους που είναι ανθεκτικές σε αυτού του είδους τις συνθήκες, οπότε στο εγγύς μέλλον αυτά τα προβλήματα θα είναι όλο και λιγότερο σημαντικά. Αξίζει επίσης να σημειωθεί ότι σε πολλές περιπτώσεις χρήσης, οι χρήστες δείχνουν συναισθήματα με εξαιρετικά συγκρατημένο τρόπο ή ακόμα και προσπαθούν να τα κρύψουν, γεγονός που σίγουρα περιπλέκει το έργο του αλγορίθμου», δήλωσε ο Daniil Kireev, επικεφαλής ερευνητής στο VisionLabs.
Προκειμένου να αναπτυχθεί η συναισθηματική AI, χρειάζεστε εξοπλισμό υψηλής ποιότητας. Εάν βρείτε καλό εξοπλισμό και τον ρυθμίσετε σωστά, η ακρίβεια των αποτελεσμάτων θα είναι πολύ υψηλή. Και όταν γίνει πιο προσιτό και διαδεδομένο, οι τεχνολογίες αναγνώρισης συναισθημάτων θα βελτιωθούν και θα εφαρμοστούν πιο ενεργά.
«Η ακρίβεια του συστήματος εξαρτάται από πολλούς παράγοντες. Το κύριο είναι η ποιότητα των πλαισίων κατάψυξης από την κάμερα, τα οποία δίνονται στο σύστημα αναγνώρισης. Η ποιότητα των στατικών καρέ, με τη σειρά της, επηρεάζεται από τις ρυθμίσεις και τα χαρακτηριστικά της κάμερας, τη μήτρα, τον φωτισμό, τη θέση της συσκευής και τον αριθμό των προσώπων στο πλαίσιο. Με τη σωστή διαμόρφωση του εξοπλισμού και του λογισμικού, μπορείτε να επιτύχετε την ακρίβεια του ανιχνευμένου συναισθήματος έως και 90-95%», λέει ο Vitaly Vinogradov, διευθυντής προϊόντων της υπηρεσίας παρακολούθησης βίντεο και ανάλυσης βίντεο Ivideon cloud.
Προοπτικές της τεχνολογίας
Η συναισθηματική τεχνητή νοημοσύνη κερδίζει δυναμική μόνο στη Ρωσία αυτή τη στιγμή. Οι νεοσύστατες επιχειρήσεις αναπτύσσουν τεχνολογίες και προσφέρουν τα προϊόντα τους στην αγορά και οι πελάτες τις δοκιμάζουν με προσοχή.
"Οι περιπτώσεις δημοσίων σχέσεων υψηλού προφίλ σχετικά με μια εταιρεία που εισάγει την αναγνώριση συναισθημάτων για τη μέτρηση της ικανοποίησης κάθε επισκέπτη με την υπηρεσία μας προκαλούν δυσπιστία. Για να έχετε λογικά αποτελέσματα, πρέπει να αναλύσετε πλήθη ανθρώπων - ούτε εκατοντάδες, αλλά χιλιάδες, και σίγουρα όχι μόνο ένα άτομο ».
Ωστόσο, σύμφωνα με την Gartner, μέχρι το 2024, περισσότερες από τις μισές διαδικτυακές διαφημίσεις θα γίνονται χρησιμοποιώντας συναισθηματική τεχνητή νοημοσύνη. Η υπολογιστική όραση, η οποία χρησιμοποιείται για την ανίχνευση συναισθημάτων, θα γίνει μια από τις σημαντικότερες τεχνολογίες τα επόμενα 3-5 χρόνια. Και η MarketsandMarkets προβλέπει ότι η αγορά ανάλυσης συναισθημάτων θα διπλασιαστεί μέχρι το 2024, από 2,2 δισεκατομμύρια δολάρια σε 4,6 δισεκατομμύρια δολάρια.
Επιπλέον, μεγάλες εταιρείες δείχνουν ενδιαφέρον για την αναγνώριση συναισθημάτων, όπως η Procter &; Gamble, η Walmart, η VTB, η Rosbank, η Sberbank και η Alfa Bank. Και οι εγχώριες νεοσύστατες επιχειρήσεις αναπτύσσουν πιλοτικά έργα που θα γίνουν έτοιμες λύσεις για τις επιχειρήσεις στο μέλλον.
Πηγή: RB.RU
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου