MIT giúp các hệ thống học máy cảm nhận cảm xúc của con người

Sự cần thiết để phát triển những cỗ máy có khả năng diễn giải sự phức tạp của giao tiếp và biểu hiện của con người xuất hiện vào thời điểm một số người tin rằng điện toán có thể cung cấp mối liên kết bị thiếu giữa robot thông thường, phần mềm và giải pháp thực sự mang lại lợi ích cho nhiều người.

Các ứng dụng tiềm năng của hệ thống đọc cảm xúc bao gồm từ việc theo dõi cảm xúc để đo lường sự quan tâm của học sinh trong các lớp học hoặc sự quan tâm của khách hàng trong các cửa hàng.

Thách thức khi diễn giải cảm xúc

Khả năng đọc cảm xúc của người đối diện là một trong những kỹ năng của con người. Đối với máy móc, nó không dễ dàng như đối với một người thông minh hay nhạy bén. Đặc biệt khi có quá nhiều biến số trong trò chơi và ngữ cảnh là rất quan trọng - chưa kể đến sự khác biệt về văn hóa.

Ví dụ: một người có thể thể hiện nhiều cảm xúc khác nhau. Và đó là trước khi các yếu tố như tuổi tác, văn hóa và giới tính được thêm vào. Tìm hiểu sâu hơn, thời gian trong ngày, sự hiện diện của những người xung quanh khi tương tác và tâm trạng của một người trong một thời điểm… tất cả đều khiến cho việc đọc cảm xúc đọc trở thành một quá trình phức tạp.

Đó là nơi mà việc học máy xuất hiện. Với đủ dữ liệu đào tạo, các nhà nghiên cứu của MIT Media Lab đã phát triển một hệ thống tốt hơn các mô hình hiện có để nhận ra các nét mặt nhỏ và cảm xúc tương ứng của chúng.

Nhóm nghiên cứu cho rằng, chỉ với “một ít dữ liệu đào tạo bổ sung”, mô hình có thể được điều chỉnh để phân tích các bối cảnh mới, chẳng hạn như một nhóm người mới, mà không bị mất hiệu quả.

Oggi Rudovic, nhà nghiên cứu tại Media Lab và đồng tác giả của một bài báo mô tả về mô hình được trình bày tuần trước tại Hội thảo về học máy và khai thác dữ liệu cho biết: “Đây là một cách kín đáo để theo dõi tâm trạng của con người. Nếu bạn muốn robot có trí thông minh xã hội, bạn phải làm cho chúng thông minh và phản ứng tự nhiên với tâm trạng và cảm xúc của chúng ta, giống như con người hơn.”

Mô hình học máy của đội MIT khác với mô hình truyền thống thông qua việc sử dụng kỹ thuật được gọi là 'sự kết hợp của các chuyên gia'.  Thay vì đào tạo hệ thống trên một bộ hình ảnh và lập bản đồ các nét mặt khác nhau và cảm xúc tương ứng của chúng, phương pháp này được kết hợp với các mô hình mạng thần kinh riêng lẻ - các ‘chuyên gia’.

Các 'chuyên gia' này được đào tạo để chuyên về một nhiệm vụ xử lý riêng biệt và tạo ra một đầu ra duy nhất. Hệ thống mới cũng dựa trên 'mạng lưới kết nối', tính toán xác suất mà các “chuyên gia” sẽ phát hiện ra tâm trạng một cách tốt nhất.

Tác giả chính của nghiên cứu, Michael Feffer cho biết “Về cơ bản mạng lưới có thể phân biệt giữa các cá thể và cho biết “chuyên gia” phù hợp với hình ảnh được đưa ra””

Kết luận

Mục đích cuối cùng của các nghiên cứu như thế này là mang con người và máy móc đến gần nhau hơn. Với mức độ nhận thức xã hội, máy móc có thể bắt đầu thực hiện các nhiệm vụ nhạy cảm hơn và phục vụ tốt hơn nhu cầu của cá nhân.

Cuối cùng, công nghệ này có thể được sử dụng để theo dõi sức khỏe và tâm trạng của mọi người, nhận thấy khi cảm xúc của họ dường như bị lệch khỏi mức trung bình hoặc khi họ có thể gặp rủi ro. Nó cũng có thể được sử dụng trong các kịch bản giáo dục, giúp các trợ lý robot thay đổi tính cách của họ để phù hợp hơn với các đối tượng khác nhau.

Một chương trình có thể chạy trên nền tảng máy tính hoặc điện thoại thông minh, theo dõi các cuộc trò chuyện video của người dùng và nhận ra các bất thường trong biểu hiện khuôn mặt. Feffer cho biết "Bạn có thể có những thứ như các ứng dụng điện thoại thông minh hoặc các trang web có khả năng cho biết mọi người cảm thấy như thế nào và đề xuất các cách để đối phó với căng thẳng hoặc đau đớn, và những thứ khác đang tác động tiêu cực đến cuộc sống của họ".

Một hệ thống như vậy nghe có vẻ giống như một cuốn tiểu thuyết của George Orwell, nhưng khi được áp dụng đúng cách nó có thể có tác động tích cực trong một số tình huống và giúp cung cấp các biện pháp can thiệp kịp thời.

Trương Khánh Hợp