Tekoäly pystyy tunnistamaan tunnetilojamme, joissain tapauksissa jopa kanssaihmisiä paremmin. Miten tekoälyä käytetään tunteiden tulkkina? Entä voiko tekoälylle kehittyä tunteita?
Me ihmiset ilmaisemme tunteita monella eri tapaa: sanoilla, ilmeillä, kehonkielellä ja tekstillä. Gartner on ennustanut, että vuonna 2022 älylaitteet tietävät tunnetilasi paremmin kuin perheesi. Ohion yliopisto ilmoitti vuonna 2018, että heidän kehittämänsä algoritmi tunnisti paremmin tutkittujen henkilöiden tunnetilat kuin ihminen.
Tunnetekoälyteknologia (Emotional AI) tunnistaa, tulkitsee, prosessoi ja jopa simuloi ihmisten tunteita. Tunteisiin liittyvän AI-markkinan on ennustettu kasvavan 41 miljardiin dollariin vuoteen 2022 mennessä.
Amazon, Facebook, Google ja Apple investoivat suuria summia tunneanalyysiavusteisiin algoritmeihin. Kun yritykset ymmärtävät kohderyhmänsä tunteita ja tunnetiloja, syntyy varmasti paljon persoonallisempi ja syvällisempi yhteys asiakkaaseen.
Tunteita ja tunneanalyysia hyödyntäviä tekoälyavusteisia ohjelmistoja hyödynnetään jo liiketoiminnassa kuten vaikkapa myynnissä, terveydenhuollossa ja autoteollisuudessa. Asiakaspalvelussa tekoäly analysoi saapuvan tekstin ja puheen tunnetilaa, ja ohjaa asiakkaan sopivalle asiakaspalvelijalle tai sopivaan kanavaan. Esimerkiksi jos asiakkaan tunne tulkitaan vihaiseksi, voi palvelu ohjautua erityiseen eskalointikanavaan.
Tekoäly voi reagoida myös ihmisen tunteisiin. Jos olemme esimerkiksi kirjoittamassa viestiä kiihtyneenä ja vihaisena, voi Google DeepBreath neuvoa tai jopa varoittaa kirjoittajaa viestin liian aggressiivisesta sävystä.
Autoteollisuudessa hyödynnetään tekoälyä ajajan tunteita ja keskittymiskyvyn tilaa analysoimalla: jos tulkinta ajajasta on vihainen, väsynyt tai stressaantunut, voi auto jopa pysähtyä. Oma autoni ilmoittaa minulle joskus jopa ärsyttävästi tiuhaan ’take a break’ ilmeisesti ajotyyliini tai johonkin minulle tuntemattomaan tekoäly algoritmiin tai sensoriin perustuen.
Digialla kokeilimme tunneanalyysia vuosi sitten seminaarissamme. Analysoimme reaaliaikaisesti seminaarin osallistujien tunnetilaa kuva-analyysin avulla. Oli erittäin mielenkiintoista nähdä, kuinka yleisön tunnetila vaihteli ohjelman edetessä eri esitysten aikana. Tästä saimme suoraa tunnepalautetta ohjelman sisällöstä. Tätä analyysia voimme hyödyntää tulevissa seminaareissamme esimerkiksi sisällön suunnittelussa tai suorana palautteena sisällöstä.
Tekoäly voi yrittää matkia ihmiskäyttäytymistä jopa tunnetasolla: se voi toimia empaattisena keskustelukaverina vanhuksille tai digiterapeuttina traumojen käsittelyssä. Tekoäly ei kuitenkaan voi onnistua tunteiden analyysissa ilman oikeaa kontekstia. Haasteena näissä tilanteissa on monimutkaisten ja erilaisten kontekstien yhdistäminen. Esimerkiksi tekoäly ei voi (välttämättä) ymmärtää ja oppia, miksi ihminen hymyilee, jos näkee ystävän monen vuoden takaa.
Uskon kuitenkin siihen, että tekoälyalgoritmit kehittyvät ja pystyvät monimuotoiseen tunteiden tulkintaan jopa eri konteksteissa. Pystymme ratkomaan tunneanalyysien yksityiseen ja eettisyyteen liittyvät esteet. Varmistamme, että löydämme riittävän tunneälykkäät ihmiset kehittämään ja opettamaan tekoälyä laatimiemme eettisten periaatteiden mukaisesti.
Tunteella tarkoitetaan, että kehossa ja mielessä tuntuu joltakin. Tunteet saavat meidät usein toimimaan ja tekemään jotakin. Tunteet ovat yksilöllisiä: ihmiset voivat kokea samoissa tilanteissa hyvinkin erilaisia tunteita. Ihminen voi tuntea satoja erilaisia tunteita ja tunnevivahteita. Mitään tunnetta ei tuota yksittäinen aivorakenne, vaan tunteet syntyvät aivojen eri osien muodostamien verkostojen yhteistoimintana. Tunne koostuu kahdesta osasta: ensinnäkin automaattisesta tunnereaktiosta ja kehon tilan muutoksesta sekä toisekseen tietoisuudesta, jonka avulla ihminen voi etsiä erilaisia ratkaisumalleja mahdollisesti uhkaavaan tilanteeseen.
Monet tutkijat ovat sitä mieltä, että tekoälyllä ei voi olla tunteita. Tässä keskustelussa olemme vielä kovin alussa. Aitoihin tunteisiin vaikuttavat monet eri asiat kuten muistot, opitut mallit, interaktio toisen kanssa, konteksti, hormonit ja perimä. Tekoälyllä ei ole näitä kaikkia tekijöitä.
Tekoälyn tunnehaaste on sen lisääntyvässä kyvyssä oppia. Tekoäly kykenee kehittämään uusia sääntöjä, joiden mukaan toimimalla se pyrkii sille annettuun päämäärään tai keksimään itselleen aivan uusia päämääriä. Tekoälyn pitäisi siis myös tunnistaa päätöksenteossa eettisiä ongelmia ja punnita vaihtoehtoja – kyetä eettisen oppimisenkaltaiseen toimintaan huomioiden myös tunteet.
Useat tieteelliset tutkimukset vahvistavat tunteiden merkityksen päätöksentekoprosessissa. Tekoäly oppii huomioimaan ihmisten tunnereaktioita omassa toiminnassaan, mutta ilman omia tunteita. Tekoälyn oppimiseen vaikuttaa ympäristö. ’Pahasta’ paljon negatiivisia tunteita ja vaikkapa onnettomia uutisia ja vihapuheita sisältävästä ympäristöstä tekoäly voi oppia kieroutuneita malleja. Jotta ’tunteettoman’ tekoälyn päätöksentekoon vaikuttavat mallit olisivat positiivisia, meidän pitäisi edistää maailmaa, jossa positiiviset ja iloiset tunteet opettavat tekoälyn algoritmeja.
Esimerkkinä tällaisesta positiivisuuden edistäjästä on Mo Gwadat, innovaatioyksikkö Google X:n entinen johtaja, yrittäjä, ajattelija, kirjailija ja onnellisuusevankelista. Hän aloitti vuonna 2001 onnellisuuden tutkimuksen tavoitteenaan ymmärtää ja ratkaista onnellisuuden yhtälö.
Mo Gwadat inspiroi, luennoi ja opettaa onnellisuudesta: kuinka omilla toimilla ja ajattelulla voimme vaikuttaa onnellisuuteen. Hän aloitti poikansa kuoleman jälkeen vuonna 2014 viiden vuoden kunnianhimoisen mission: make one billion people happy.
Minä olen jo liittynyt. Liittyisitkö sinäkin?