Błażej Grygiel, Focus.pl: Proszę opowiedzieć o swoim projekcie monitorującym emocje. W jaki sposób sztuczna inteligencja oraz uczenie maszynowe mogą pozwalać na nowe odkrycia i badania na tym polu. Emocje wydają się czymś, czego nie da się zmierzyć, ale czy rzeczywiście tak jest?
Peter A. Gloor: Stworzyliśmy system o nazwie “happimeter”, który używa smartwatcha do mierzenia ludzkich emocji z 90-procentową dokładnością w oparciu o swoje czujniki. Potrzebne są: akcelerometr, czujnik pracy serca, mikrofon oraz GPS by obliczyć radość i inne emocje właściciela. System zawdzięcza swoją dokładność najnowszym osiągnięciom w dziedzinie SI i maszynowego uczenia, kalibrując dane odczytywane z zegarka. Model był „szkolony” przez 100 osób, głównie studentów, którzy nosili zegarek przez kilka miesięcy i oznaczali swój nastrój na urządzeniu. Po pewnym czasie zegarek zaczynał pokazywać swoje przewidywania co do nastroju właściciela, a ten oceniał jak bardzo są zgodne z prawdą. W ten sposób system stawał się coraz dokładniejszy. Potrafi on także zmierzyć inne emocje, takie jak stres, gniew lub nudę w zależności od otrzymywanych sygnałów.
Jakie zastosowanie może Pański pomysł znaleźć w firmach i środowiskach pracy?
– Happimeter i inne nasze systemy monitorujące emocje przez e-mail oraz social media są używane przez firmy do przewidywania satysfakcji klientów, dostawców i pracowników. Na przykład na podstawie korespondencji elektronicznej 70 tysięcy ludzi z jednego roku możemy przewidzieć z dokładnością 80-90 procent to czy ktoś chce opuścić firmę, na pięć miesięcy przed podjęciem decyzji.
Happimeter używany jest także w twórczych warsztatach dla banków do usprawnienia współpracy wśród uczestników. Możemy dzięki niemu mierzyć zadowolenie uczestników danego wydarzenia. Mamy także narzędzie do analizy social media o nazwie Galaxyscope, które identyfikuje wirtualne plemiona. To najbardziej lojalni klienci danej firmy, system pozwala dla przykładu porównywać czy klienci Gucciego i Diora są bardziej zainteresowani sportem czy sztuką.
Czy badanie i mierzenie emocji może prowadzić do prac nad manipulacją nimi i sztucznym ich wywoływaniem za pomocą SI i uczenia maszynowego?
Zależy, jaka jest definicja manipulacji, ponieważ oznacza ona odnalezienie tego co nas motywuje i wspieranie tych właśnie rzeczy. Myślę, że SI i uczenie maszynowe stworzy nowe metody komunikacji, ostatecznie prowadząc nas w stronę kolektywnej świadomości, gdzie nie będziemy już musieli używać słów za to będziemy odczytywać swoje myśli wzajemnie. Nasz happimeter sygnalizując to czy jestem wesoły czy smutny w ten sposób zmieni (lub zmanipuluje) moje zachowanie.
Obecnie SI używa się w wielu systemach, głośno mówi się o tym jak może pomagać odróżniając prawdziwe informacje od kłamstw i bronić nas przed fake-newsami. Czy rzeczywiście możemy ufać sztucznej inteligencji, jako strażnikowi przed kłamstwem i manipulacją?
Uważam, że w ogóle nie powinniśmy ufać SI. Wręcz przeciwnie, SI oraz uczenie maszynowe wraz z Big Data są bardzo niebezpieczne, sugerują dokładność tam, gdzie jej nie ma. Oparte na SI systemy sprawiają, że wszystko wydaje się bardzo proste do przewidzenia za pomocą naciśnięcia jednego guzika i przeanalizowaniu przeszłych wzorów zakładając, że wydarzą się w przyszłości – co się NIE stanie. Dlatego bardzo ważne jest być świadomym podstawowych mechanizmów SI i uczenia maszynowego by orientować się wśród wielu niewiarygodnych prognoz.
Jaka będzie przyszłość SI oraz takich projektów jak Pana?
Mierzenie i zrozumienie emocji odprowadzi do nowych poziomów kolektywnej świadomości. Na przykład jeśli wszyscy w Polsce nosiliby happimeter znacznie dokładniej wiedzielibyśmy co sprawia, że jesteśmy szczęśliwi lub nie, co prowadzi do kolektywnego działania. Stalibyśmy się bardziej empatyczni, ponieważ dla przykładu Błażej mógłby bezpośrednio zobaczyć co uszczęśliwia Petera, a co nie. Używanie SI pozwoli na odczytanie, interpretacje i przewidywanie kolektywnego umysłu natychmiastowo, prowadząc do zmiany zachowań na szeroką skalę – to fenomen, który nazywam „społeczną fizyką kwantową”.
Peter A. Galore na co dzień pracuje w MIT’s Sloan School of Management, gdzie i rozwija możliwości sztucznych inteligencji.