Annobot - rozmowa z maszyną o ludzkich emocjach

Ostatnia aktualizacja: 16.06.2021 08:01
Emocje są naturalną cechą człowieka. Według teorii Paula Ekmana wyróżniamy sześć podstawowych emocji. Są to: szczęście, smutek, strach, złość, zaskoczenie i obrzydzenie. Do niedawna wydawało się niemożliwe, aby maszyny mogły rozpoznać nawet część z nich. 
zdjęcie ilustracyjne
zdjęcie ilustracyjneFoto: pathdoc/Shutterstock.com

Posłuchaj
23:49 [ PR1]PR1 (mp3) 2021_06_15 PR1_19_30_37_Eureka.mp3 Annobot - rozmowa z maszyną o ludzkich emocjach (Eureka/Jedynka)

 

Badacze z Laboratorium Inteligentnych Systemów Informatycznych Ośrodka Przetwarzania Informacji - Państwowego Instytutu Badawczego (OPI-PIB) opracowali narzędzie, które wykorzystując sztuczną inteligencję, usprawnia tworzenie systemów do rozpoznawania emocji na podstawie tekstu.

mikroskop_ok.jpg.jpg
"Eureka" w Programie 1

Platforma Annobot (nazwa powstała od połączenia słów annotation i bot) ma znacznie przyspieszyć proces etykietowania, czyli przypisywania odpowiednich emocji do fragmentów tekstu. Narzędzie to ma wiele funkcjonalności, m.in. etykietowanie poprzez rozmowę z chatbotem, uczenie na bieżąco oraz integrację z komunikatorem Facebook Messenger. 

System składa się z sześciu komponentów. Główną część stanowi Annobot Core, czyli aplikacja serwerowa, która integruje wszystkie inne moduły. Są także dwa moduły służące do przypisywania etykiet do tekstów. Jeden jest zintegrowany z aplikacją Facebook Messenger, a drugi to komunikator Annobot chat napisany przez ekspertów z OPI PIB. Oprócz nich narzędzie składa się z panelu administracyjnego, modułu uczenia maszynowego oraz bazy danych.

Platforma wykorzystuje metodę uczenia na bieżąco. Eksperci nie muszą czekać, aż zakończy się cały proces przypisywania emocji do tekstu. Annobot sam się uczy na podstawie wcześniej udostępnionych niepełnych danych.


Czytaj także:


Jak nauczyć maszynę rozpoznawania emocji?

- W podstawowym założeniu uczenia maszynowego musimy dostarczyć maszynie odpowiednią ilość danych do tego, żeby ona mogła podjąć jakieś decyzje, czyli żebyśmy po podaniu jakiegoś tekstu oczekiwali, z dużą dozą prawdopodobieństwa, że maszyna sobie z tym tekstem poradzi i oznaczy nam odpowiednio emocje związane z tym tekstem - powiedział w Programie 1 Polskiego Radia kierownik Laboratorium Inteligentnych Systemów Informatycznych OPI-PIB Paweł Nowek

Gość Jedynki podkreślił, że maszyna bazuje na prawdopodobieństwie. - Jeśli będzie miała bardzo dużo przykładów, które my jej dostarczymy - im więcej, tym lepiej - to z dużą dozą prawdopodobieństwa prawidłowo określi emocje dotyczące jakiegoś fragmentu tekstu, dotyczące całego tekstu. A im więcej przykładów będzie miała, tym będzie bardziej precyzyjna - podkreślił.

- Skuteczność i atrakcyjność tego mechanizmu polega na tym, że my dostarczamy maszynie przykłady, które są nam bliskie, naturalne, oderwane od jakichkolwiek technikaliów. Mówimy maszynie mniej więcej tyle: dajemy ci parę przykładów i oczekujemy, że ty, na bazie tych przykładów, rozwiniesz swoją wiedzę i odpowiesz nam na takie pytania, których my ci nie zadaliśmy - wyjaśnił.

Ekspert wskazał, że w standardowym modelu, by uzyskać poziom satysfakcji na poziomie 70-80 proc., trzeba trenować mechanizm przez pół roku albo dłużej. - W przypadku Annobota poszliśmy w rozwiązania pośrednie, które m.in. pozwalają zaimportować do mechanizmu rozpoznającego część przykładów. Nie musimy bazować od razu na pełnym modelu, ale zależy nam na tym, by ten model i mechanizm działał już od niższych poziomów - powiedział.

- Nasz mechanizm jest w stanie zadziałać nawet od paru przykładów, które jesteśmy w stanie do niego wtłoczyć. On ciągle będzie tę swoją bazę powiększał. Już pierwsza, niewielka, porcja może posłużyć do tego, żeby on zaczął funkcjonować, kolejne zwiększają skuteczność. On sam w sobie jest w stanie podejmować już decyzje, pewne odpowiedzi generować sam - wytłumaczył.

Co ciekawe, mechanizm wymyślony przez badaczy z Laboratorium Inteligentnych Systemów Informatycznych jest w stanie sam określić poziom skuteczności swojej odpowiedzi. Gdy jest w stu procentach czegoś pewien, to określa ten próg skuteczności na wysokim poziomie. Odpowiedzi, których nie jest pewien, wysłała do ponownego przetworzenia do użytkownika.

Rozmówca Doroty Truszczak zaznaczył, że badacze z OPI-PIB wybrali sobie emocje, ale wymyślony przez nich mechanizm może rozpoznawać różne rzeczy, możne określać np. w jakim stopniu dany tekst jest możliwy do wykorzystania pod kątem jakiejś informacji. - Bardzo łatwo go dostosować do swoich potrzeb. On przyspiesza - i w tym tkwi sedno - przygotowanie danych dla modelu machine learning - stwierdził Nowek.


Akademia OPI PIB #4 Jak możemy nauczyć maszynę rozpoznawania emocji? Profil: Ośrodek Przetwarzania Informacji - Państwowy Instytut Badawczy


Poza tym w audycji:

Mózgi nastolatków, które zrezygnowały z lekcji matematyki, rozwijają się gorzej niż mózgi ich rówieśników zdobywających wiedzę matematyczną. Tak wynika z badań przeprowadzonych przez psychologów z Uniwersytetu Oksfordzkiego.

***

Tytuł audycji: Eureka

Prowadziła: Dorota Truszczak

Gość: Paweł Nowek (kierownik Laboratorium Inteligentnych Systemów Informatycznych Ośrodka Przetwarzania Informacji - Państwowego Instytutu Badawczego)

Data emisji: 15.06.2021 

Godzina emisji: 19.30

kk

Czytaj także

Zwierzę terapeutą dla człowieka? "Dzięki niemu zdrowie fizyczne i psychiczne ulega poprawie"

Ostatnia aktualizacja: 10.06.2021 20:23
W ostatnich latach coraz większe uznanie zyskują terapie prowadzone przy pomocy zwierząt. Czy słusznie? Czy zwierzę może stać się terapeutą człowieka?
rozwiń zwiń

Czytaj także

Superantybiotyki - degradery. Czym się różnią od klasycznych leków?

Ostatnia aktualizacja: 11.06.2021 07:54
W trakcie pandemii COVID-19 gwałtownie wzrosła antybiotykoterapia. Jeśli nie znajdziemy innej ścieżki terapii, to czeka nas globalny wzrost szczepów bakterii opornych na leczenie antybiotykami. Szacuje się, że efektem tego, na zakażenia bakteryjne będzie umierać 10 milinów ludzi rocznie.
rozwiń zwiń