Фото: canva
Исследователь из Wageningen University & Research недавно опубликовал предпечатную статью, в которой подробно описывается система, с помощью которой ИИ распознавания лиц может использоваться для идентификации и измерения эмоционального состояния сельскохозяйственных животных. Если вы представляете себе машину, которая сообщает вам, радостны ли ваши свиньи или коровы сварливы ... вы попали в точку.
Есть мало оснований полагать, что так называемые системы распознавания эмоций действительно работают. В том смысле, что люди и другие существа часто могут точно распознавать (например: угадывать) эмоции других людей, ИИ может быть обучен на наборе данных, помеченных людьми, распознавать эмоции с такой же точностью, что и люди.
Однако когда дело доходит до человеческих эмоций, нет никакой истины. Каждый испытывает и интерпретирует эмоции по-разному, и то, как мы выражаем эмоции на лице, может сильно различаться в зависимости от культурных особенностей и уникальных биологических особенностей.
За распознаванием эмоций людей и сельскохозяйственных животных стоит та же самая «научная» система управления, которая утверждает, что может определить, является ли кто-то геем, с помощью распознавания лиц или агрессивен ли человек.
По сути, никто не может определить, является ли другой человек геем или агрессивным, просто взглянув на его лицо. Вы можете догадаться. И, возможно, вы окажетесь правы. Но независимо от того, сколько раз вы правы, это всегда предположение, и вы всегда оперируете своими личными определениями.
Так же работает и распознавание эмоций. То, что вы можете интерпретировать как «расстроенное», может быть чьим-то нормальным выражением лица.
Компьютер невозможно «научить» распознавать эмоции, потому что он не думает. Они полагаются на наборы данных, помеченные людьми. Люди совершают ошибки. Хуже того, нелепо представить, что какие-то два человека смотрят на миллион лиц и приходят к слепому консенсусу в отношении эмоционального состояния каждого просматриваемого человека.
Исследователи не обучают ИИ распознавать эмоции или делать выводы по лицам. Они обучают ИИ имитировать восприятие конкретных людей, которые маркируют данные, которые они используют.
При этом, создание механизма распознавания эмоций для животных — не обязательно плохо.
Вот отрывок из статьи исследователя:
Система обучена на наборе данных черт лица изображений сельскохозяйственных животных, собранных более чем на 6 фермах, и оптимизирована для работы со средней точностью 85%. По ним мы делаем вывод об эмоциональном состоянии животных в режиме реального времени. Программа определяет 13 действий на лице и 9 эмоциональных состояний, в том числе агрессивное, спокойное или нейтральное животное.
В документе далее описывается система как ценная парадигма машинного обучения с низким уровнем воздействия, в которой фермеры могут измерять комфорт домашнего скота в режиме реального времени с помощью камер вместо инвазивных процедур, таких как отбор проб гормонов.
Некоторое время назад мы рассматривали нечто подобное в сельскохозяйственном мире. По сути, фермеры, работающие в садах, могут использовать ИИ для распознавания изображений, чтобы определить, не болеет ли какое-либо из их деревьев. Когда у вас есть десятки тысяч деревьев, своевременный визуальный осмотр каждого из них для людей невозможен. Но ИИ может смотреть на деревья днем и ночью.
ИИ для наблюдения за домашним скотом — это совсем другое дело. Вместо того, чтобы распознавать четко определенные признаки болезни на относительно неподвижных деревьях, исследователь пытается определить, в каком настроении находится группа животных.
Это работает? По словам исследователя, да. Но согласно исследованию — вроде. В документе заявляется о невероятно высокой точности, но это по сравнению с людьми-корректировщиками.
Итак, вот в чем дело: создание ИИ, который может сказать, о чем думают свиньи и коровы, почти так же точно, как ведущие мировые эксперты по людям, во многом похоже на создание настолько вкусной еды, что она впечатлит повара. Может быть, это не понравится следующему повару, а может, никому, кроме этого шеф-повара.
Дело в том, что эта система использует ИИ, чтобы выполнять несколько более слабую работу, чем фермер, при определении того, о чем думает корова, глядя на нее. В этом есть смысл, потому что фермеры не могут смотреть на коров днем и ночью, ожидая, что одна из них скривится от боли.
Вот почему это нормально: потому что есть небольшая вероятность, что с животными можно будет лечить немного лучше. Хотя невозможно точно сказать, что чувствует животное, ИИ, безусловно, может распознать признаки стресса, дискомфорта или боли достаточно хорошо, чтобы оправдать использование этой системы в местах, где фермеры могли бы и хотели бы вмешаться, если бы они думали, что их животные находятся в бедственном положении или испытывают дискомфорт.
К сожалению, основная причина, почему это имеет значение, заключается в том, что домашний скот, живущий в относительном комфорте, имеет тенденцию производить больше.
Это прекрасная фантазия — представить небольшую семью, живущую на ферме, устанавливающую камеры к столбам по всей своей территории для наблюдения за скотом на свободном выгуле. Но более вероятно, что такие системы помогут корпоративным фермерам найти золотую середину между тесным размещением животных и поддержанием уровня их стресса на достаточно низком уровне, чтобы они могли производить.
Невозможно предсказать, каковы будут реальные варианты использования ИИ. Но когда исследователи сравнивают систему наблюдения за домашним скотом с системой распознавания эмоций для людей, ситуация становится непонятной.
Получает ли корова немного комфорта перед тем, как ее забьют, или когда она проводит всю свою жизнь, подключенную к молочным машинам, — это не тот же класс проблем, что и распознавание эмоций для людей.
Стоит принять во внимание тот факт, что, например, системы распознавания эмоций склонны классифицировать лица черных мужчин как более злые, чем лица белых. Или женщины, как правило, выше оценивают боль, наблюдая за ее предполагаемым существованием у людей и животных. С каким предубеждением мы обучаем ИИ?
Исходя из текущего состояния технологий, не получиться обучать ИИ без предвзятости, если только данные, которые генерируются, никогда не касались человеческих рук, и даже в этом случае создается отдельную категорию предвзятости.
Источник: The Next Web
Перевод: Айнур Искакова
