Saat Anda berada di bioskop yang gelap, reaksi Anda terhadap apa yang terjadi di layar sering kali tidak diperhatikan orang lain. Di sini Anda membuka mata lebar-lebar pada pergantian plot yang tidak terduga, benar-benar melompat dari kursi Anda dari adegan yang menakutkan, atau meneteskan air mata pada musik melodramatis - semua emosi ini cenderung diarahkan tidak lebih dari sandaran plastik kursi di depan. Tetapi hanya jika bioskop ini tidak dilengkapi dengan "computer vision". Jika Anda pernah mendapat kesempatan untuk mengunjungi salah satunya, yakinlah bahwa saat Anda menonton filmnya, film itu akan menonton Anda.
Sebuah program komputer, yang tugas utamanya persis seperti yang tertulis di atas, dikembangkan oleh Silver Logic Labs. CEO-nya Jerimaya Hamon adalah pakar matematika terapan yang berspesialisasi dalam teori bilangan. Dia telah bekerja selama bertahun-tahun di dalam tembok raksasa seperti Amazon, Microsoft, serta di Harvard Medical School, menangani berbagai masalah yang berkaitan dengan sifat konsumen manusia. Namun, minat utamanya selalu untuk memahami bagaimana kecerdasan buatan (AI) dapat membantu memprediksi dengan lebih baik salah satu karakteristik kita yang paling sulit - perilaku manusia.
Saat meneliti algoritme AI untuk menganalisis tanggapan manusia terhadap persepsi berbagai jenis media, Hamon menyadari bahwa ini dapat bermanfaat tidak hanya secara ilmiah, tetapi juga secara komersial. Sistemnya bekerja sebagai berikut: Algoritme AI memantau penonton yang menonton film, mencatat emosi di wajah orang-orang, yang diwujudkan bahkan melalui perubahan paling halus (yang disebut ekspresi mikro), dan kemudian menghasilkan data yang diperlukan berdasarkan informasi ini untuk analisis selanjutnya.
Hamon secara serius menyelidiki penelitian semacam itu sekitar tiga tahun yang lalu dan, meskipun hasil karyanya untuk industri media sejauh ini terlihat sangat kasar, mereka pasti menarik banyak minat dalam topik ini. Terutama karena mereka menjanjikan hasil yang dapat diandalkan, karena perilaku manusia dapat diprediksi seperti cara kerja perangkat lunak, setidaknya dalam visi Hamon sendiri. AI, pada gilirannya, serta teknologi visi komputer yang digunakannya akan membantu mengumpulkan informasi tentang bagaimana orang bereaksi terhadap film dan program televisi tertentu, jauh lebih efisien daripada grup fucus mana pun. Setelah AI dilatih untuk mengumpulkan kumpulan data yang tepat, AI dapat memberikan analisis informasi yang cepat, konsisten, dan mendetail. Untuk area industri tersebutyang harus bekerja dengan data ini - berita bagus. Memang, berkat analisis keinginan dan preferensi manusia yang lebih kompeten dan efektif, mereka akan dapat meningkatkan produk dan layanan yang menghasilkan uang.
Peringkat adalah salah satu aspek paling penting dan indikatif yang memastikan keberhasilan program atau film televisi tertentu. Yang mengejutkan bagi mereka yang mengikuti proses tersebut, versi perangkat lunak Hamon saat ini mampu memprediksi peringkat untuk Nielsen, Rotten Tomatoes, dan IMDB dengan akurasi 84 hingga 99 persen. Perbedaan dalam indikator ini disebabkan oleh fakta bahwa beberapa objek pemeringkatan bersifat "multimodal", yaitu dirancang untuk khalayak yang lebih luas, sehingga biasanya lebih sulit untuk diprediksi. Secara umum, ketika datang ke TV, upaya untuk memprediksi popularitas program tertentu tidak bisa tidak mengesankan.
“Ketika saya pertama kali memulai, semua orang mengatakan kepada saya bahwa saya tidak akan pernah bisa memprediksi sesuatu seperti itu, karena tidak ada yang bisa,” Hamon berbagi dalam percakapan dengan Futurisme.
Tetapi dengan matematika, tidak ada yang mustahil. Memang, menurut Hamon, dengan bantuan metode matematika dimungkinkan untuk mencatat banyak nuansa yang tidak mungkin dicatat tanpa penggunaannya.
“Kami mengambil respons emosional terhadap rangsangan visual dan pendengaran dari penonton dan mengubahnya menjadi nilai-nilai digital. Dan ketika sesuatu berbentuk nilai digital, cepat atau lambat akan berbentuk persamaan yang diperlukan, yang tugasnya dalam kasus kami adalah mencari tahu seberapa besar Anda benar-benar menyukai (atau akan menyukai) acara ini atau itu,”kata Hamon.
Video promosi:
Peneliti melaporkan bahwa ada analisis statistik yang ekstensif, tetapi menolak untuk memberikan rincian tentang persamaan mana yang dia gunakan untuk menghitung, menunjukkan bahwa dengan cara ini dia mencoba melindungi "bahan rahasia" dari programnya.
Di luar industri hiburan
Kinerja AI yang tinggi dalam memprediksi preferensi manusia mendorong Hamon untuk menjelajahi area lain di mana programnya dapat menjadi efektif. Misalnya dalam menentukan apakah seseorang mengatakan yang sebenarnya atau tidak. Seperti poligraf, AI dapat membandingkan data yang menunjukkan kondisi stres dengan serangkaian nilai referensi dan, berdasarkan ini, menentukan apakah seseorang berbohong atau tidak. Untuk menguji ide ini, Hamon menggunakan algoritma AI untuk melakukan tugas mengidentifikasi emosi pada manusia berdasarkan video dengan kualitas yang relatif rendah. Untuk penelitiannya, ia menggunakan video dari kantor berita CSPAN, serta cuplikan pembuatan film dari konferensi pers Presiden Donald Trump.
Pada saat kebenaran dapat dipertanyakan, memisahkan kebenaran dari kepalsuan bisa menjadi kritis. Namun, sistem ini juga dapat digunakan dalam situasi di mana secara harfiah merupakan masalah hidup dan mati. Misalnya, dalam pengobatan, di mana mungkin perlu untuk secara akurat menentukan tingkat nyeri yang dialami seseorang sehingga dokter dapat memilih perawatan yang lebih efektif.
Hamon mencatat bahwa sistem dapat berguna, misalnya, dalam situasi di mana perlu untuk mengidentifikasi pukulan. Terlepas dari kenyataan bahwa tenaga medis biasanya menerima pelatihan yang diperlukan untuk memungkinkan mereka mengidentifikasi tanda-tanda stroke, sering kali yang disebut stroke mikro (atau serangan iskemik transien, jika secara ilmiah) tidak terjawab, yang sering kali diikuti oleh stroke skala besar yang memengaruhi area yang luas. otak. Penglihatan komputer AI dapat mendeteksi tanda-tanda mikro stroke ini, atau bahkan gejala atau petunjuk dari penyakit yang akan datang, bahkan sebelum mereka benar-benar muncul pada pasien. Dalam kasus ini, staf medis akan dapat bereaksi secara tepat waktu terhadap situasi tersebut, dan bahkan mungkin mengambil langkah untuk menghindari perkembangan lebih lanjut dari stroke yang lebih serius.
Tapi apakah ini benar-benar berhasil? Jamon berpikir itu mungkin. Peneliti yakin bahwa AI mampu menjadi sangat sensitif sehingga mereka akan dapat mendeteksi perubahan halus dan sementara dalam kerja tubuh. Ketika sistem diuji pada audiens yang berbeda, para peneliti harus memperhitungkan fakta bahwa beberapa orang menggunakan obat yang diresepkan, beberapa di antaranya, misalnya, memiliki efek samping dalam bentuk tekanan darah tinggi atau kram otot halus. Mungkin seseorang tidak akan dapat melihat perubahan ini pada orang lain, tetapi AI dapat dengan mudah mendeteksinya, tetapi pada saat yang sama, dapat salah mengira efek penggunaan obat untuk manifestasi tanda-tanda stres. Ini juga perlu diperhitungkan.
Alat yang kuat
Banyak orang berpikir bahwa mesin cerdas tidak akan memiliki bias, tetapi kita tidak boleh lupa: mesin ini akan dibuat oleh manusia, dan orang-orang yang mengembangkan dan berinteraksi dengan AI ini mungkin secara tidak sadar memberi mereka bias mereka sendiri. Dengan berkembangnya AI maka konsekuensi dari akumulasi bias tersebut akan semakin terasa dan pada akhirnya dapat mempengaruhi berbagai proses pengolahan informasi, misalnya saat mengidentifikasi orang tertentu atau saat mengumpulkan data sosial seseorang yang terdapat dalam jaringan pelayanan publik.
Karena teknologi pengenalan wajah sudah mulai menyusup ke kehidupan pribadi kita, banyak yang mulai merefleksikan dan lebih memperhatikan masalah etika, mengungkapkan kekhawatiran tentang kemungkinan kerja yang bias dari algoritme semacam itu. Gagasan yang sama bahwa teknologi dapat eksis tanpa adanya tingkat bias yang tertanam di dalamnya sangat kontroversial. Ini secara serius dipertanyakan hanya dengan satu argumen: efisiensi AI akan bergantung pada data yang telah tertanam di dalamnya, dan data ini mungkin berisi informasi yang awalnya diwarnai oleh bias orang yang membuat sistem ini. Dengan kemajuan pengembangan AI, dengan terciptanya mesin yang benar-benar dapat belajar, kita harus mengembangkan langkah-langkah pembatasan yang dapat melindungi kita dari situasi,ketika mesin ini dapat belajar lebih banyak dari kita daripada yang ingin kita ajarkan kepada mereka.
Namun demikian, Hamon yang sama yakin bahwa algoritmanya sepenuhnya tidak memihak, setidaknya sebisa mungkin. Sistem komputernya hanya menafsirkan tanda-tanda perilaku manusia, tidak peduli jenis wajah atau tubuh apa pun yang ada dalam bidang penglihatannya.
“Saya penduduk asli Amerika dan saya harus mengakui bahwa kadang-kadang terjadi sesuatu di sini yang dapat mengobarkan lingkungan. Misalnya, Anda mungkin gugup saat polisi muncul di belakang Anda. Namun, saya yakin bahwa teknologi semacam itu di masa depan akan mampu sepenuhnya menghilangkan faktor kegugupan ini. Jika Anda tidak melakukan kesalahan apa pun, komputer pasti akan memberi tahu petugas polisi bahwa Anda tidak melakukan kesalahan apa pun. Secara pribadi, dalam kasus ini, saya akan merasakan peningkatan tingkat keamanan dan perlindungan saya sendiri dari kebrutalan polisi, mengetahui bahwa komputer akan dapat melakukan tingkat penilaian ancaman yang serupa.
Bagaimanapun, Hamon sama sekali tidak repot-repot menginterpretasikan hasil analisis data dengan algoritma yang dibuatnya. Pada saat yang sama, meskipun yakin dengan algoritmanya, dia juga mengakui keterbatasannya. Oleh karena itu, jika kita berbicara tentang kesimpulan yang diambil dari analisis, maka menurut peneliti lebih baik menyerahkan keputusan ini kepada para ahli sistem penegakan hukum, kedokteran dan psikiatri.
Masa depan pengembangan Hamon di Silver Logic Labs baru saja dimulai. Dan opsi untuk bidang penerapan AI yang dibuatnya hanya dibatasi oleh imajinasi manusia. Hamon sendiri ingin alatnya menjadi benar-benar universal dan digunakan dalam memecahkan berbagai masalah, tetapi dengan satu atau lain cara, peneliti tertarik ke tempat semuanya dimulai: membuat konten hiburan berkualitas tinggi.
“Mendongeng adalah bagian dari budaya manusia,” kata Hamon.
Melalui karyanya, ia menemukan setidaknya satu elemen tak terukur yang menjadi kunci sukses media.
“Seseorang sangat menikmati menonton satu orang berinteraksi dengan orang lain. Inilah salah satu hal yang membentuk formula sukses,”tambah peneliti.
Terlepas dari kenyataan bahwa masyarakat, mungkin, dapat secara negatif melihat transformasi yang dijanjikan AI dalam hidup kita, dalam visi Hamon, seseorang pasti dapat menemukan satu momen yang sangat positif. Cepat atau lambat, kecerdasan buatan, berdasarkan semua data yang dikumpulkannya, suatu hari akan menuntun kita untuk memikirkan kembali pemahaman kita tentang apa artinya menjadi manusia. Mungkin dia akan dapat melihat dalam diri kita apa yang belum pernah kita lihat sebelumnya dalam diri orang lain atau dalam diri kita sendiri.
Nikolay Khizhnyak
