あなたが机に座り、AIシステムが会話を分析する中で業績評価を受ける場面を想像してみてください。あなたは長時間働き、締め切りに追われ、上司が調子を尋ねます。あなたは大丈夫だと答え、微笑みさえするかもしれませんが、声にはためらいがあり、肩が落ちています。これらの微妙なサインは、人間の目には潜在的なストレスを示唆するかもしれません。しかし、「幸せ」か「悲しい」かのみに感情を分類するよう訓練されたAIモデルには、こうしたニュアンスはおそらく失われます。AIは言葉と笑顔を記録して次に進み、人間の上司が介入しない限り、あなたが疲れていて集中力を欠き、 burnout まであと数日であるという事実は考慮されることはありません。
表情、声のトーン、行動に基づいて人々の感情を推定する「感情AI」は、突然どこにでもあるように見えます。従業員のウェルビーイングや採用面接、教育プラットフォーム、ドライバーモニタリングシステムで使用されています。NiCEやGenesysなどのテクノロジーコールセンタープラットフォームは、AIを使用して顧客が不満そうな声を検出し、エージェントにリアルタイムでペースを落としたり、より共感的に応答するよう促します。Metaのような巨大企業やHume AIのようなスタートアップは、対話相手の感情的な手がかりを検出し、コミュニケーション方法を調整できる、より表現力豊かな音声AIシステムを開発しています。
さらに、何百もの企業がすでに仮想AIコンパニオンアプリを提供しており、この急成長市場は2035年までに推定5550億ドルの価値になる可能性があります。ロボットの友達も登場しています。例えば、Intuition RoboticsのElliQは、白いデスクランプに漠然と似た小型デバイスで、孤独を減らすために高齢者との会話に使用されています。しかし、感情AIの分野は急速に進歩していますが、既存のシステムのほとんどは、限られた数の信号を検出して一度に1つの特定の感情にラベル付けすることに焦点を当てており、人間の状態を理解しようとするには不十分です。
現実の世界では、人間の信号と感情は文脈に依存し、重なり合い、絶えず変化しています。笑いは喜び、緊張、またはその両方を示す可能性があります。声を荒げることは、熱意と同じくらい簡単に欲求不満を示す可能性があります。感情検出の仕事をさらに困難にするために、反応は個人によって大きく異なり、人口統計、文化的背景、その他無数の変数に依存します。言い換えれば、私たちがAIに期待することと、AIが実際に提供できることの間にはギャップがあります。このギャップを埋めようとしているのが、私たちが「人間文脈AI」と呼ぶ新しい研究分野です。
単一の入力を見てラベル付けする代わりに、人間文脈AIは個人の性格と特性を考慮し、顔のダイナミクス、声、トーン、言語、行動を含む複数の入力を組み合わせながら、リアルタイムで感情を追跡する能力をますます備えています。重要なのは、応答は業績評価やプロフェッショナルコーチングセッションなどの特定の環境の文脈でも評価されることです。結果は？コンピューターは画面だけでなく、場面を読むことを学んでいます。感情認識AIの物語は、約30年前にMITメディアラボで始まり、ロザリンド・ピカードが「アフェクティブコンピューティング」という用語を作り出しました。彼女の初期の実験は、表情、声のトーン、生理的信号などの単一モダリティに焦点を当てていました。時が経つにつれ、研究者や企業は人間が表現する多くの方法を測定することに優れ、最近の研究では、複数のタイプの信号を組み合わせることで感情認識の精度が大幅に向上することが示されています。
この記事について質問
回答はこの記事のみからAIが生成します。