मूर्ख मेंदू, छुप्या भावना, खोटे अल्गोरिदम: चेहर्यावरील ओळखीची उत्क्रांती

प्राचीन इजिप्शियन लोकांना व्हिव्हिसेक्शनबद्दल बरेच काही माहित होते आणि ते स्पर्शाने यकृत आणि मूत्रपिंड वेगळे करू शकत होते. सकाळपासून संध्याकाळपर्यंत मम्मी गुंडाळून आणि उपचार (ट्रेफिनेशनपासून ते ट्यूमर काढण्यापर्यंत) करून, तुम्ही शरीरशास्त्र समजून घेण्यास नक्कीच शिकाल.

शरीरशास्त्रीय तपशीलांची संपत्ती इंद्रियांचे कार्य समजून घेण्याच्या गोंधळामुळे अधिक होती. याजक, डॉक्टर आणि सामान्य लोकांनी धैर्याने मन हृदयात ठेवले आणि मेंदूला अनुनासिक श्लेष्मा तयार करण्याची भूमिका दिली.

4 हजार वर्षांनंतर, स्वत: ला फेलाह आणि फारोवर हसण्याची परवानगी देणे कठीण आहे - आमचे संगणक आणि डेटा संग्रह अल्गोरिदम पॅपिरस स्क्रोलपेक्षा थंड दिसत आहेत आणि आमचे मेंदू अजूनही रहस्यमयपणे कोणाला काय माहित आहे ते निर्माण करतात.

तर या लेखात या वस्तुस्थितीबद्दल बोलायचे होते की भावना ओळखण्याचे अल्गोरिदम इंटरलोक्यूटरच्या सिग्नलचा अर्थ लावण्यासाठी मिरर न्यूरॉन्सच्या वेगाने पोहोचले आहेत, जेव्हा अचानक असे दिसून आले की मज्जातंतू पेशी त्या दिसत नाहीत.

निर्णय घेण्याच्या चुका

लहानपणी, एक मूल त्याच्या पालकांचे चेहरे पाहतो आणि हसू, राग, आत्म-समाधान आणि इतर भावनांचे पुनरुत्पादन करण्यास शिकतो, जेणेकरून आयुष्यभर वेगवेगळ्या परिस्थितीत तो हसतो, भुसभुशीत राहू शकतो, रागावू शकतो - अगदी त्याच्या प्रियजनांप्रमाणेच. केले

अनेक संशोधकांचा असा विश्वास आहे की भावनांचे अनुकरण मिरर न्यूरॉन्सच्या प्रणालीद्वारे केले जाते. तथापि, काही शास्त्रज्ञ या सिद्धांताबद्दल संशय व्यक्त करतात: आम्हाला अद्याप मेंदूच्या सर्व पेशींचे कार्य समजलेले नाही.

मेंदूच्या कार्याचे मॉडेल गृहितकांच्या डळमळीत जमिनीवर उभे आहे. फक्त एका गोष्टीबद्दल काही शंका नाही: जन्मापासून राखाडी पदार्थाच्या "फर्मवेअर" मध्ये वैशिष्ट्ये आणि बग आहेत किंवा अधिक अचूकपणे, वर्तनावर परिणाम करणारी वैशिष्ट्ये आहेत.

मिरर न्यूरॉन्स किंवा इतर न्यूरॉन्स अनुकरणीय प्रतिसादासाठी जबाबदार असतात; ही प्रणाली फक्त साध्या हेतू आणि कृती ओळखण्याच्या मूलभूत स्तरावर कार्य करते. हे मुलासाठी पुरेसे आहे, परंतु प्रौढांसाठी फारच कमी आहे.

आपल्याला माहित आहे की भावना मुख्यत्वे एखाद्या व्यक्तीने त्याच्या मूळ संस्कृतीशी परस्परसंवादाच्या प्राप्त केलेल्या अनुभवावर अवलंबून असतात. कोणीही तुम्हाला मनोरुग्ण समजणार नाही, जर आनंदी लोकांमध्ये तुम्ही हसत असाल, वेदना जाणवत असाल, कारण प्रौढ जीवनात भावनांचा वापर अस्तित्वाच्या परिस्थितीशी जुळवून घेण्याचे साधन म्हणून केला जातो.

समोरची व्यक्ती खरोखर काय विचार करत आहे हे आपल्याला माहित नाही. गृहीत धरणे सोपे आहे: तो हसत आहे, याचा अर्थ तो मजा करत आहे. जे घडत आहे त्याच्या सुसंगत चित्रांच्या हवेत किल्ले तयार करण्याची जन्मजात क्षमता मनामध्ये असते.

विद्यमान गृहितके सत्याशी किती प्रमाणात जुळतात हे ठरवण्याचा प्रयत्न केला पाहिजे आणि गृहितकांची डळमळीत जमीन हलू लागेल: एक स्मित दुःख आहे, भुसभुशीत आनंद आहे, पापण्या थरथरणे आनंद आहे.

1889 मध्ये जर्मन मानसोपचारतज्ज्ञ फ्रांझ कार्ल म्युलर-लायर यांनी रेषा आणि आकृत्यांच्या धारणेच्या विकृतीशी संबंधित एक भौमितिक-ऑप्टिकल भ्रम दर्शविला. भ्रम असा आहे की बाह्यमुखी टिपांनी तयार केलेला भाग शेपटीने बनवलेल्या भागापेक्षा लहान दिसतो. खरं तर, दोन्ही विभागांची लांबी समान आहे.

मनोचिकित्सकाने या वस्तुस्थितीकडे देखील लक्ष वेधले की भ्रमाचा चिंतन करणारा, रेषा मोजल्यानंतर आणि प्रतिमेच्या आकलनाच्या न्यूरोलॉजिकल पार्श्वभूमीचे स्पष्टीकरण ऐकूनही, एक ओळ दुसऱ्यापेक्षा लहान मानत राहते. हे देखील मनोरंजक आहे की हा भ्रम प्रत्येकासाठी समान दिसत नाही - असे लोक आहेत जे त्यास कमी संवेदनाक्षम आहेत.

मानसशास्त्रज्ञ डॅनियल Kahneman मंजूरकी आपले मंद विश्लेषणात्मक मन म्युलर-लायर युक्ती ओळखते, परंतु मनाचा दुसरा भाग, संज्ञानात्मक प्रतिक्षेपसाठी जबाबदार, उदयोन्मुख उत्तेजनाच्या प्रतिसादात आपोआप आणि जवळजवळ त्वरित प्रतिक्रिया देते आणि चुकीचे निर्णय घेते.

संज्ञानात्मक त्रुटी ही केवळ चूक नसते. कोणीही समजू शकतो आणि कबूल करू शकतो की एखाद्या दृष्टीकोनातून पाहताना डोळ्यांवर विश्वास ठेवता येत नाही, परंतु वास्तविक लोकांशी संवाद साधणे हे एखाद्या गुंतागुंतीच्या चक्रव्यूहातून प्रवास करण्यासारखे आहे.

1906 मध्ये, समाजशास्त्रज्ञ विल्यम समनर यांनी नैसर्गिक निवडीची सार्वत्रिकता आणि अस्तित्वासाठी संघर्ष, प्राण्यांच्या अस्तित्वाची तत्त्वे मानवी समाजात हस्तांतरित केली. त्यांच्या मते, समूहांमध्ये एकत्र आलेले लोक समाजाच्या अखंडतेला धोका निर्माण करणाऱ्या वस्तुस्थितींचे विश्लेषण करण्यास नकार देऊन त्यांच्या स्वतःच्या गटाला उंच करतात.

मानसशास्त्रज्ञ रिचर्ड निस्बेट लेख "आपल्याला जे माहीत आहे त्यापेक्षा जास्त सांगणे: मानसिक प्रक्रियांवरील मौखिक अहवाल" लोकांची आकडेवारी आणि इतर सामान्यतः स्वीकारल्या जाणाऱ्या डेटावर विश्वास ठेवण्याची अनिच्छा दर्शवते जे त्यांच्या विद्यमान विश्वासांशी सहमत नाहीत.

मोठ्या संख्येची जादू

हा व्हिडिओ पहा आणि अभिनेत्याच्या चेहऱ्याचे हावभाव कसे बदलतात ते पहा.

मन त्वरीत "लेबल" करते आणि अपर्याप्त डेटाच्या पार्श्वभूमीवर गृहीतक करते, ज्यामुळे विरोधाभासी परिणाम होतात, जे दिग्दर्शक लेव्ह कुलेशोव्ह यांनी केलेल्या प्रयोगाच्या उदाहरणात स्पष्टपणे दृश्यमान आहेत.

1929 मध्ये त्यांनी एका अभिनेत्याचे क्लोज-अप, सूपने भरलेली प्लेट, शवपेटीतील एक मूल आणि सोफ्यावर एका तरुण मुलीचे फोटो घेतले. मग अभिनेत्याच्या शॉटसह चित्रपटाचे तीन भाग केले गेले आणि सूपची प्लेट, एक मूल आणि मुलगी दर्शविलेल्या फ्रेमसह स्वतंत्रपणे चिकटवले गेले.

एकमेकांपासून स्वतंत्रपणे, प्रेक्षक या निष्कर्षापर्यंत पोहोचतात की पहिल्या तुकड्यात नायक भुकेला आहे, दुसऱ्या भागात तो मुलाच्या मृत्यूने दु: खी आहे, तिसऱ्या भागात तो सोफ्यावर पडलेल्या मुलीने मोहित झाला आहे.

प्रत्यक्षात, सर्व प्रकरणांमध्ये अभिनेत्याच्या चेहऱ्यावरील हावभाव बदलत नाही.

आणि शंभर फ्रेम्स पाहिल्या तर युक्ती उघड होईल का?

मानसशास्त्रज्ञ पॉल एकमन, लोकांच्या मोठ्या गटांमधील गैर-मौखिक वर्तनाच्या सत्याच्या सांख्यिकीय विश्वासार्हतेच्या डेटावर आधारित तयार केले चेहर्यावरील हालचालींच्या वस्तुनिष्ठ मापनासाठी एक व्यापक साधन - "चेहर्यावरील हालचाली कोडिंग सिस्टम".

लोकांच्या चेहऱ्यावरील हावभावांचे आपोआप विश्लेषण करण्यासाठी कृत्रिम न्यूरल नेटवर्कचा वापर केला जाऊ शकतो, असे त्यांचे मत आहे. गंभीर टीका असूनही (एकमनचा विमानतळ सुरक्षा कार्यक्रम पास झाले नाही नियंत्रित चाचण्या), या युक्तिवादांमध्ये सामान्य ज्ञान आहे.

एखाद्या हसणाऱ्या व्यक्तीकडे पाहून, कोणीही असे गृहीत धरू शकतो की तो फसवत आहे आणि प्रत्यक्षात त्याचे काही चांगले नाही. परंतु जर तुम्ही (किंवा कॅमेरा) शंभर लोक हसताना पाहत असाल, तर त्यांपैकी बहुतेक जण खरोखर मजा करत असतील—जसे की एखाद्या हॉट स्टँड-अप कॉमेडियनचे परफॉर्मन्स पाहणे.

मोठ्या संख्येच्या उदाहरणात, हे इतके महत्त्वाचे नाही की काही लोक भावनांना इतक्या हुशारीने हाताळू शकतात की प्रोफेसर एकमनलाही मूर्ख बनवले जाईल. जोखीम तज्ञ नसीम तालेबच्या शब्दात, जेव्हा पाळत ठेवण्याचा विषय थंड, निष्पक्ष कॅमेरा असतो तेव्हा सिस्टमची अँटीफ्रॅजिलिटी मोठ्या प्रमाणात वाढविली जाते.

होय, कृत्रिम बुद्धिमत्तेसह किंवा त्याशिवाय - चेहऱ्यावरून खोटे कसे ओळखायचे हे आम्हाला माहित नाही. परंतु शंभर किंवा त्याहून अधिक लोकांसाठी आनंदाची पातळी कशी ठरवायची हे आपल्याला चांगले समजते.

व्यवसायासाठी भावना ओळख

चेहर्यावरील प्रतिमेवरून भावना निर्धारित करण्याचा सर्वात सोपा मार्ग मुख्य मुद्द्यांच्या वर्गीकरणावर आधारित आहे, ज्याचे समन्वय विविध अल्गोरिदम वापरून मिळवता येतात. सहसा अनेक डझन बिंदू चिन्हांकित केले जातात, त्यांना भुवया, डोळे, ओठ, नाक, जबडा यांच्या स्थितीशी जोडतात, जे आपल्याला चेहर्यावरील भाव कॅप्चर करण्यास अनुमती देतात.

मशीन अल्गोरिदम वापरून भावनिक पार्श्वभूमी मूल्यांकन आधीच किरकोळ विक्रेत्यांना शक्य तितक्या ऑफलाइनमध्ये ऑनलाइन समाकलित करण्यात मदत करत आहे. तंत्रज्ञान तुम्हाला जाहिरात आणि विपणन मोहिमांच्या परिणामकारकतेचे मूल्यांकन करण्यास, ग्राहक सेवा आणि सेवेची गुणवत्ता निर्धारित करण्यास आणि लोकांच्या असामान्य वर्तनाची ओळख करण्यास अनुमती देते.

अल्गोरिदम वापरून, तुम्ही कार्यालयातील कर्मचाऱ्यांच्या भावनिक स्थितीचा मागोवा घेऊ शकता (दु:खी लोक असलेले कार्यालय हे कमकुवत प्रेरणा, निराशा आणि क्षय यांचे कार्यालय आहे) आणि प्रवेशद्वार आणि बाहेर पडताना कर्मचारी आणि ग्राहकांचा “आनंद निर्देशांक”.

अल्फा-बँक अनेक शाखांमध्ये लाँच केले रिअल टाइममध्ये ग्राहकांच्या भावनांचे विश्लेषण करण्यासाठी एक पायलट प्रोजेक्ट. अल्गोरिदम ग्राहकांच्या समाधानाचे अविभाज्य सूचक तयार करतात, शाखेला भेट देण्याच्या भावनिक धारणेतील बदल ओळखतात आणि भेटीचे एकंदर मूल्यांकन देतात.

मायक्रोसॉफ्ट येथे सांगितले सिनेमातील प्रेक्षकांच्या भावनिक अवस्थेचे विश्लेषण करण्यासाठी (रिअल टाइममध्ये चित्रपटाच्या गुणवत्तेचे वस्तुनिष्ठ मूल्यांकन), तसेच इमॅजिन कप स्पर्धेतील "प्रेक्षक पुरस्कार" नामांकनात विजेते निश्चित करण्यासाठी प्रणालीची चाचणी करण्याबद्दल ( विजय त्या संघाने जिंकला ज्याच्या कामगिरीवर प्रेक्षकांनी सर्वात सकारात्मक प्रतिक्रिया दिली).

वरील सर्व गोष्टी पूर्णपणे नवीन युगाची सुरुवात आहे. नॉर्थ कॅरोलिना स्टेट युनिव्हर्सिटीमध्ये शैक्षणिक अभ्यासक्रम घेत असताना विद्यार्थ्यांचे चेहरे कॅमेराद्वारे चित्रित करण्यात आले. विश्लेषण केले संगणक दृष्टी प्रणाली जी भावना ओळखते. प्राप्त माहितीच्या आधारे, शिक्षकांनी शिकवण्याच्या धोरणात बदल केले.

शैक्षणिक प्रक्रियेत, सर्वसाधारणपणे, भावनांचे मूल्यांकन करण्यासाठी अपुरे लक्ष दिले जाते. परंतु तुम्ही शिकवण्याच्या गुणवत्तेचे मूल्यांकन करू शकता, विद्यार्थ्यांची व्यस्तता, नकारात्मक भावना ओळखू शकता आणि मिळालेल्या माहितीच्या आधारे शैक्षणिक प्रक्रियेचे नियोजन करू शकता.

चेहरा ओळख Ivideon: लोकसंख्याशास्त्र आणि भावना

आता आमच्या सिस्टममध्ये भावनांवरील अहवाल आला आहे.

फेस डिटेक्शन इव्हेंट कार्ड्सवर स्वतंत्र "भावना" फील्ड दिसू लागले आहे आणि "चेहरे" विभागातील "अहवाल" टॅबवर नवीन प्रकारचे अहवाल उपलब्ध आहेत - तासानुसार आणि दिवसानुसार:

सर्व शोधांचा स्त्रोत डेटा डाउनलोड करणे आणि त्यावर आधारित तुमचे स्वतःचे अहवाल तयार करणे शक्य आहे.

अलीकडे पर्यंत, सर्व भावना ओळख प्रणाली प्रायोगिक प्रकल्पांच्या स्तरावर कार्यान्वित होत्या ज्यांची सावधगिरीने चाचणी केली गेली. अशा वैमानिकांची किंमत खूप जास्त होती.

आम्हाला सेवा आणि उपकरणांच्या परिचित जगाचा विश्लेषण भाग बनवायचा आहे, म्हणून आजपासून सर्व Ivideon क्लायंटसाठी "भावना" उपलब्ध आहेत. आम्ही विशेष टॅरिफ योजना सादर करत नाही, विशेष कॅमेरे देत नाही आणि सर्व संभाव्य अडथळे दूर करण्यासाठी सर्वतोपरी प्रयत्न करतो. टॅरिफ अपरिवर्तित राहतील; कोणीही 1 रूबलसाठी चेहर्यावरील ओळखीसह भावना विश्लेषण कनेक्ट करू शकते. दर महिन्याला.

मध्ये सेवा सादर केली आहे वैयक्तिक खाते वापरकर्ता आणि वर प्रोमो पृष्ठ आम्ही Ivideon चेहर्यावरील ओळख प्रणालीबद्दल आणखी मनोरंजक तथ्ये गोळा केली आहेत.

स्त्रोत: www.habr.com