AI Belajar Membaca Situasi

Bayangkan Anda duduk di meja kerja dan masuk untuk tinjauan kinerja, dengan sistem AI yang menganalisis percakapan. Anda telah bekerja berjam-jam, menyeimbangkan tenggat waktu, dan manajer Anda bertanya bagaimana kabar Anda. Anda mengatakan baik-baik saja, dan mungkin bahkan tersenyum, tetapi ada sedikit keraguan dan suara Anda bergetar. Saat Anda mengubah postur, bahu Anda merosot. Ini adalah isyarat halus yang bagi mata manusia mungkin mengindikasikan stres yang mendasarinya. Tetapi bagi model AI yang hanya dilatih untuk mengkategorikan emosi sebagai "bahagia" atau "sedih", nuansa seperti itu kemungkinan besar hilang. Model itu mencatat kata-kata dan senyuman lalu melanjutkan—dan kecuali manajer manusia Anda turun tangan, fakta bahwa Anda lelah, tidak fokus, dan mungkin beberapa hari lagi dari kelelahan tidak pernah diperhitungkan.

"Emotion AI," yang memperkirakan perasaan orang berdasarkan ekspresi wajah, nada suara, dan perilaku, tampaknya tiba-tiba ada di mana-mana; ini digunakan dalam kesejahteraan karyawan dan wawancara rekrutmen, platform pendidikan, dan sistem pemantauan pengemudi. Platform pusat panggilan teknologi seperti NiCE dan Genesys menggunakan AI untuk mendeteksi ketika pelanggan terdengar frustrasi dan mendorong agen secara real-time untuk melambat atau merespons dengan lebih empati. Perusahaan raksasa seperti Meta dan startup seperti Hume AI mengembangkan sistem suara AI yang lebih ekspresif yang dapat mendeteksi isyarat emosional pada orang yang mereka "ajak bicara" dan menyesuaikan cara mereka berkomunikasi. Lebih dari itu, ratusan perusahaan sudah menawarkan aplikasi pendamping AI virtual, pasar yang berkembang pesat yang mungkin bernilai sekitar US $555 miliar pada tahun 2035—dan teman robot juga telah memasuki gambar. Intuition Robotics's ElliQ, misalnya, adalah perangkat kecil yang samar-samar menyerupai lampu meja putih yang sekarang digunakan untuk melibatkan orang dewasa yang lebih tua dalam percakapan dengan harapan mengurangi kesepian.

Tetapi sementara bidang emotion AI maju dengan cepat, sebagian besar sistem yang ada berfokus pada mendeteksi sejumlah sinyal terbatas untuk memberi label satu emosi tertentu pada satu waktu—yang tidak memadai jika Anda mencoba memahami kondisi manusia. Di dunia nyata, sinyal dan emosi manusia bersifat kontekstual, tumpang tindih, dan terus berubah. Tawa bisa menandakan kegembiraan, kegugupan, atau keduanya; suara yang meninggi bisa menandakan antusiasme sama mudahnya dengan frustrasi. Untuk membuat tugas deteksi emosi semakin sulit, reaksi sangat berbeda dari satu individu ke individu lainnya, tergantung pada demografi, latar belakang budaya, dan variabel lain yang tak terhitung jumlahnya. Dengan kata lain, ada kesenjangan antara apa yang kita harapkan dari AI dan apa yang sebenarnya bisa diberikan AI. Kesenjangan itulah yang coba ditutup oleh bidang penelitian baru—yang kami sebut human-context AI.

Alih-alih hanya melihat satu input dan memberi label, human-context AI semakin memiliki kapasitas untuk memperhitungkan kepribadian dan karakter individu, dan melacak emosi secara real-time sambil menggabungkan beberapa input, termasuk dinamika wajah, suara, nada, bahasa, dan perilaku. Yang penting, respons juga dievaluasi dalam konteks lingkungan tertentu, seperti tinjauan kinerja atau sesi pembinaan profesional. Hasilnya? Komputer belajar membaca adegan, bukan hanya layar. Kisah AI pendeteksi emosi dimulai hampir tiga dekade lalu di MIT Media Lab, di mana insinyur listrik dan ilmuwan komputer Amerika Rosalind Picard menciptakan istilah "affective computing." Karyanya memperkenalkan ide radikal bahwa komputer bisa diajari untuk mengenali dan merespons emosi manusia.

Eksperimen awal Picard berfokus pada modalitas tunggal: ekspresi wajah, nada suara, dan sinyal fisiologis, seperti konduktansi kulit atau detak jantung. Tujuannya adalah memberi mesin jendela ke dalam perasaan manusia, membantu mereka menjadi lebih empati. Itu adalah visi yang menarik, tetapi saat itu sains dan perangkat keras belum siap. Daya komputasi terbatas, sensor masih kasar, dan kumpulan data sempit dan bias. Selama beberapa dekade berikutnya, para peneliti dan perusahaan menjadi lebih baik dalam mengukur banyak cara manusia mengekspresikan diri. Pada tahun 2010-an, analisis sentimen—pemrosesan volume besar teks untuk mengungkap nuansa emosional—mulai mencapai arus utama. Pada saat yang sama, perusahaan pemasaran, termasuk perusahaan saya, Neurologyca, mulai menggunakan video dan webcam untuk mengukur dan mengkatalogkan reaksi pelanggan. Perangkat biometrik dan pelacak aktivitas, seperti Fitbit dan Apple Watch, juga menjadi di mana-mana, menghasilkan aliran data baru tentang tidur, jumlah langkah, tingkat stres, dan lainnya. Para ilmuwan segera mengkonfirmasi bahwa volume data yang lebih besar dan dipersonalisasi menghasilkan akurasi yang lebih besar dalam membaca emosi manusia.