• Ludzki głos oprócz słów przekazuje mnóstwo ukrytych informacji
  • Ucząca się maszyna przewiduje trwałość związku lepiej niż terapeuci
  • Czy wkrótce ze smartwatcha dowiemy się, kiedy spodziewać się kłótni?

Iskrzy? Czy to coś na dłużej? Czy to już miłość? Wyobraź sobie sytuację, gdy w trakcie randki twój smartwatch podsłuchuje waszą pogawędkę. Tuż po spotkaniu mówi ci, że macie przed sobą przyszłość jako zgodny związek.

Ludzki głos, tak jak oczy, jest zwierciadłem duszy. Niesie z sobą więcej informacji, niż człowiek jest w stanie odczytać. Ale ten szkoli już do tego maszynę.

Badacze z USA za pomocą sztucznej inteligencji odczytują dane zawarte w głosie: intonacji, akcencie, w przerwach na oddech i milczenie. Głos ujawnia emocje bardziej niż znaczenie słów. Wpuszczony w ucho maszyny jest skrupulatnie analizowany. Komputer nie zajmuje się treścią słów.

Ma to pomóc skłóconym parom rozpoznać zbliżający się spór na tyle wcześnie, aby w porę mogły opanować emocje. A lekarzom – przewidzieć przyszłość związku i odpowiednio na to partnerów przygotować.

Terapia pod uchem SI

Dane akustyczne i nagrania wideo zbierane były przez dwa lata przez psychologów i badaczy z trzech amerykańskich uczelni: Uniwersytetu Kalifornijskiego, Uniwersytetu Południowej Kalifornii (oba w Los Angeles) oraz Uniwersytetu Waszyngtońskiego w Seattle. Badacze zgromadzili też odczyty z sensorów monitorujących niektóre czynności życiowe.

W terapii wzięły udział 134 chronicznie kłócące się pary męsko-żeńskie, o średnio dziesięcioletnim stażu małżeńskim. Wybrano je, wykluczając wcześniej te przypadki, w których na konflikt mogły mieć wpływ zaburzenia osobowości. Średni wiek mężów i żon w badaniu wynosił odpowiednio nieco ponad 43 lata i 41 lat.

Algorytm był w stanie poprawnie powiedzieć w 79,3 proc. przypadków, czy pary pozostaną razem, czy nie

Eksperyment składał się z trzech sesji nagraniowych dla każdej pary. Pierwsza odbyła się tuż przed rozpoczęciem terapii małżeńskiej, druga po niecałym roku jej trwania, ostatnią zarejestrowano po dwóch latach.

Każdy z małżonków wybrał problem krytyczny dla związku i omówił go ze swoim partnerem w trakcie sesji terapeutycznej. Celem było wzajemne zrozumienie problemów i osiągnięcie porozumienia.

Pary odwiedzające terapeutów zostały wyposażone w czujniki o wiele bardziej prymitywne niż np. aparat Holtera używany do wykrywania zaburzeń pracy serca. Sensory w trakcie terapii mierzyły tylko temperaturę ciała, tętno, intensywność pocenia się. Podłączeni do czujników mężowie i żony wypełniali też m.in. ankietę o ich uczuciach wobec innych osób. Odpowiadali też na pytania o relacje z partnerem, o problemy, wspólne przeżycia.

Odczyty z czujników na ciele zestawiono z nagraniami rozmów małżonków, z których głosów maszyny wyłuskały najważniejsze informacje.

Kolego komputerze, co pan sądzi o tym pacjencie?

Połączenie tych danych wykraczało poza ludzką percepcję. To właśnie algorytmy sztucznej inteligencji na ich podstawie wypracowały metodę oceny.

– W naszych eksperymentach wykorzystaliśmy dane z długotrwałego badania klinicznego par będących w trudnych relacjach. Okazało się, że prognozy dotyczące związków uzyskanych bezpośrednio z akustyki głosu są porównywalne lub lepsze od wyników uzyskanych dzięki tradycyjnej ocenie zachowań i przewidywaniu trwałości związku przez terapeutów – analizują autorzy opracowania naukowego opublikowanego w „Plos One” Md Nasir, Brian Robert Baucom, Panayiotis Georgiou i Shrikanth Narayanan.

Algorytm był w stanie poprawnie powiedzieć w 79,3 proc. przypadków, czy pary pozostaną razem, czy nie. Wyszkoleni i doświadczeni terapeuci, którzy mogli wziąć pod uwagę wszystkie cechy, uwarunkowania, a do tego mimikę twarzy, język ciała i treść rozmów, osiągnęli 75,6 proc. Połączenie danych z czujników na ciale oraz dźwięków mowy z tradycyjną oceną i przewidywaniem zachowań w większości przypadków poprawiło wyniki prognozowania. To pokazuje, jak informacje wychwycone przez ludzi i wyliczone przez komputer się uzupełniają.

Możliwość identyfikowania, monitorowania i zmieniania naszych stanów emocjonalnych w czasie rzeczywistym jest kolejnym ważnym krokiem do opracowania bardziej skutecznych metod dla poprawy naszego życia. Oprócz stanów emocjonalnych jakość naszych relacji odgrywa kluczową rolę w naszym zdrowiu psychicznym i fizycznym. Konflikty takie jak kłótnie ze współpracownikami czy partnerami mają duży wpływ na nasze codzienne nastroje. Szczególnie romantyczne związki są ważne dla jakości życia jednostek. Wysoki poziom konfliktu danej relacji, a zwłaszcza finał w postaci rozwodu, wiąże się ze zwiększonym ryzykiem problemów psychologicznych – argumentują amerykańscy badacze. Chodzi o m.in. depresje czy próby samobójcze.

Terapeuta na nadgarstku

Naukowcy, używając odczytu fizjologicznego i brzmienia mowy, chcą też stworzyć model, który może pomóc przewidzieć konflikty nawet na pięć minut przed ich wystąpieniem.

Użyte w eksperymencie czujniki sczytujące dane były dosyć prymitywne. Tymczasem są już przecież zegarki i opaski, które zbierają o nas o wiele więcej informacji. Sportowe gadżety połączone ze smartfonami w przeciwieństwie do terapeutów towarzyszą ich posiadaczom od rana do nocy. Naukowcy upatrują w nich szansy na komercyjne zastosowanie uczącego się „antykonfliktowego” oprogramowania.

To dopiero początek dla nowych technologii mobilnych, które dyskretnie monitorując ludzkie zachowanie, mogą poprawić nasze codzienne życie.

Jednak analizy wykonywane przez sztuczną inteligencję będą wymagały ogromnych ilości danych. Wśród zebranych w trakcie eksperymentu informacji nie ma tych o mimice twarzy, gestykulacji, a przede wszystkim o treści rozmów, zarówno w obecności terapeuty, jak i poza jego gabinetem. Na podstawie takich zmiennych w przyszłości mogą powstać jeszcze bardziej precyzyjne modele.

Różnorodność zachowań ludzi ogranicza możliwości ogólnych systemów uczenia maszynowego na dużą skalę. Zwykle wymagają wystarczającej ilości danych, aby zapewnić wynik gwarantujący prawidłową ocenę. Jesteśmy zmotywowani do stworzenia modeli zachowań, które mogą korzystać z podobieństw cech między różnymi osobami. To pozwoliłoby zmniejszyć ilość danych potrzebnych do szkolenia. To obiecujący kierunek – podsumowują naukowcy.

Skip to content