Las computadoras no pueden decir si eres feliz cuando sonríes

Un gif animado que muestra a personas con diferentes expresiones faciales. Sra. Tecnología; Imágenes de Unsplash, Pixabay, Pexels

Cuando los humanos intentamos descubrir cómo se siente alguien, usamos mucha información: expresiones faciales, lenguaje corporal, dónde está esa persona y más. Cuando las computadoras intentan hacer lo mismo, tienden a enfocarse solo en la cara. Ese es un gran defecto: según un importante nuevo estudio , sugiere que la mayoría de las afirmaciones hechas por las empresas de reconocimiento de emociones son incorrectas.

El reconocimiento de emociones, o el uso de tecnología para analizar expresiones faciales e inferir sentimientos, está, según una estimación, configurado para ser un $ 25 mil millones de negocios para 2023 . Participan grandes empresas como Microsoft y Apple, así como startups especializadas como Kairos y Affectiva. Aunque se usa más comúnmente para vender productos, la tecnología de reconocimiento de emociones también ha aparecido en reclutamiento laboral y como una posible herramienta para averiguar si alguien está tratando de cometer fraude de seguros . En 2003, la Administración de Seguridad del Transporte de EE. UU. comenzó a entrenar humanos para detectar terroristas potenciales leyendo sus expresiones faciales , por lo que es fácil imaginar un proyecto de inteligencia artificial que intente lo mismo. (El programa TSA fue ampliamente criticado por estar basado en ciencia pobre .)

Pero desde hace años, ha habido un creciente rechazo a la creencia de que las expresiones faciales revelan fácilmente los sentimientos. Un grupo de científicos reunidos por la Asociación de Ciencias Psicológicas pasó dos años revisando más de 1,000 artículos sobre detección de emociones. Se centraron en investigar cómo las personas mueven la cara cuando sienten ciertas emociones y cómo las personas infieren los estados emocionales de otras personas a partir de sus rostros. El grupo concluyó que es muy difícil usar solo expresiones faciales para decir con precisión cómo se siente alguien.

Las personas sonríen cuando están felices y fruncen el ceño cuando están tristes, pero la correlación es débil, dice el coautor del estudio. Lisa Feldman Barret , psicóloga de la Universidad del Noreste. Las personas hacen muchas otras cosas cuando están felices o tristes, y una sonrisa puede ser irónica o irónica. Sus comportamientos varían mucho entre culturas y situaciones, y el contexto juega un papel importante en la forma en que interpretamos las expresiones. Por ejemplo, en estudios en los que alguien colocó una imagen de una cara positiva en el cuerpo de alguien en una situación negativa, las personas experimentó la cara como más negativa .

En resumen, las expresiones que hemos aprendido a asociar con las emociones son estereotipos, y la tecnología basada en esos estereotipos no brinda muy buena información. Hacer que el reconocimiento de emociones sea correcto es costoso y requiere recopilar una gran cantidad de datos extremadamente específicos, más, dice Barrett, que nadie hasta ahora.

El peligro de no tener suficientes datos

La mayoría de las empresas a las que pedí comentarios sobre esta historia, incluidas Apple y Microsoft, no respondieron. uno que lo hizo, El Cairo , promete a los minoristas que puede utilizar la tecnología de reconocimiento de emociones para descubrir cómo se sienten sus clientes. Al escanear las caras de los clientes y analizar una ceja levantada o una sonrisa para saber si alguien está feliz o triste, Kairos proporciona el tipo de datos que pueden ser difíciles de recopilar para las empresas físicas, dice Melissa Doval, directora ejecutiva.

Para entrenar su tecnología, Kairos hizo que las personas vieran videos que provocaban emociones y escanearon sus rostros. Algunos otros datos provinieron de expresiones posadas. Una persona de la empresa se encarga de etiquetar esos datos para alimentar el algoritmo.

Este es un enfoque extremadamente común, pero tiene dos grandes debilidades, según la nueva revisión. Uno son los rostros posados. Si te dicen que pongas una cara de sorpresa, puede ser muy diferente de cómo se ve tu cara cuando estás sorprendido. El otro problema es que un tercero revise y etiquete estos datos. Un observador puede leer una expresión facial como sorprendida, pero sin preguntarle a la persona original, es difícil saber cuál fue la emoción real.

El resultado es una tecnología con capacidades bastante rudimentarias. Por su parte, Doval dice que la compañía actualmente se está enfocando en mejorar su cámara y tablero en lugar de la tecnología de emociones en sí. Agregó que eventualmente estarían interesados ​​​​en tomar en consideración investigaciones como la de Barrett y agregar datos demográficos para obtener más contexto y hacer que el algoritmo sea más preciso.

El peligro de hacerlo bien

Barrett tiene sugerencias sobre cómo hacer mejor el reconocimiento de emociones. No uses fotos individuales, dice ella; estudiar individuos en diferentes situaciones a lo largo del tiempo. Reúna mucho contexto, como la voz, la postura, lo que sucede en el entorno, información fisiológica, como lo que sucede con el sistema nervioso, y descubra qué significa una sonrisa en una persona específica en una situación específica. Repita y vea si puede encontrar algunos patrones en personas con características similares como el género. No tienes que medir a todo el mundo siempre, pero puedes medir a un mayor número de personas que muestreas en todas las culturas, dice ella. Creo que todos gravitamos naturalmente hacia este enfoque de Big Data. Ahora es posible hacerlo, mientras que hace una década era mucho más difícil.

Este método es más similar al enfoque de empresas como la de Boston. Afectivo . La cofundadora y directora ejecutiva de Affectiva, Rana el Kaliouby, está de acuerdo en que la comprensión actual de las emociones está demasiado simplificada. El análisis de la propia empresa, por ejemplo, ha demostrado que existen al menos cinco tipos diferentes de sonrisas, desde una sonrisa coqueta hasta una educada. Affectiva recopila datos de 87 países, registra a las personas en situaciones de la vida real (como cuando conducen) y pide a los participantes autoinformes sobre cómo se sienten. ¿Es un problema resuelto? No lo es en absoluto, dice el Kaliouby. La tecnología de Affectiva es mejor para clasificar la alegría, por ejemplo, que para diferenciar el miedo, la ira y el asco.

Para mayor precisión, más datos es mejor. Pero recopilar tantos datos personales también tiene sus inconvenientes, como muestran los debates en curso sobre el reconocimiento facial. Los consumidores tienen cada vez más miedo de perder su privacidad o de que sus datos se utilicen en su contra. Eso es algo que debería ser una preocupación para cualquiera de estos sistemas, dice tiffany lee , un investigador de privacidad del Proyecto de la Sociedad de la Información de la Universidad de Yale. La cuestión es tener las garantías adecuadas.' Necesitamos saber, por ejemplo, de dónde provienen los datos, cómo se recopilan y cómo se almacenan. ¿Se venderán o transferirán los datos? ¿Estará vinculado a otros conjuntos de datos que puedan tener información de identificación?

Affectiva dice que se niega a trabajar con empresas de vigilancia o detección de mentiras. Los académicos suelen tener límites estrictos sobre cómo pueden recopilar y compartir datos. Pero el sector privado no se rige por reglas amplias sobre la recopilación y el uso de datos, y eso podría ser peligroso a medida que las empresas intentan mejorar sus tecnologías. No creo que realmente tengamos suficientes salvaguardas en este momento, dice Li.

Corrección: el reconocimiento de emociones se convertirá en un negocio de $ 25 mil millones para 2023, según una estimación del mercado. Una versión anterior de este artículo indicó incorrectamente este número.

esconder