Исследователи Санкт-Петербургского Федерального исследовательского центра РАН (СПб ФИЦ РАН) создали интеллектуальную программную систему MASAI, которая включает в себя комплекс нейросетей, способных распознавать естественные эмоции и сентимент человека по аудиовизуальной информации (видео, звук и текст). Точность распознавания эмоций превосходит существующие аналоги и достигает 80%.
Внедрение искусственного интеллекта (ИИ) в современном мире играет важнейшую роль, поскольку он способствует повышению эффективности, автоматизации и инновационности в различных сферах жизни и деятельности человека – сегодня этот процесс стремительно развивается. ИИ-сервисы позволяют ускорить обработку больших объемов данных, принимать более точные решения, оптимизировать процессы и создавать новые возможности для бизнеса, науки и повседневной жизни.
Одной из задач для дальнейшего внедрения ИИ-сервисов в жизнь человека – научить искусственный интеллект распознавать весь спектр разнородной информации от пользователя: речь, мимику, жесты, взгляд, поведение, а также текстовую информацию. Подобные системы смогут работать даже в сложных условиях: шума, плохого освещения или когда человек просто молчит или не смотрит в камеру. Более того, ИИ-сервисы смогут распознавать такие сложные эмоциональные проявления, как сарказм или ирония — когда смысл сказанного не совпадает с интонацией или выражением лица. В итоге это позволит повысить качество работы цифровых помощников.
“В рамках решения этой задачи мы разработали интеллектуальную систему MASAI многомодального анализа видео, звука и текста для распознавания эмоций человека, например, радости, злости, грусти и прочих эмоциональных проявлений. Кроме того, программа может проводить сентимент-анализ информации – определять отношение человека к какому-либо событию – отрицательное, положительное или нейтральное. Взаимодействие с пользователем происходит через дружественный графический интерфейс системы”, – поясняет руководитель Лаборатории речевых и многомодальных интерфейсов СПб ФИЦ РАН Алексей Карпов.
В основе системы лежит несколько нейронных сетей, которые проходили обучение на более десятка находящихся в свободном доступе для исследователей базах данных, содержащих мультиязычную аудиовизуальную информацию о людях разного возраста и пола из различных стран мира. В частности, при создании базы данных на русском языке принимали участие молодые актеры театральных вузов, которые имитировали различные эмоции.
Программа может распознавать семь базовых человеческих эмоций (радость, грусть, страх, отвращение, удивление, злость и спокойствие), а также положительный, отрицательный и нейтральный сентименты. Ученые используют наиболее распространенную в психологии классификацию эмоциональных состояний человека.
Разработка представляет собой программное приложение, через интерфейс которого можно загрузить и обработать любые аудиовизуальные данные. В результате система автоматически проанализирует информацию и выдаст результат распознавания: эмоции и сентимент. По точности распознавания эмоций приложение ученых СПб ФИЦ РАН превосходит все аналоги; этот показатель составляет около 75-80% в зависимости от анализируемых данных.
“Система MASAI может быть встроена в различные виды цифровых помощников, которые сейчас используются во многих сферах жизни человека. Например, в телефонных службах скорой помощи или психологической поддержке, где эмоциональный искусственный интеллект позволит эффективнее реагировать на потребности человека”, – объясняет Алексей Карпов.
Сейчас программа распознает эмоции по заранее записанным аудиовизуальным данным, а также может анализировать мимику и речь человека в режиме реального времени. Разработка поддержана грантом РНФ (№22-11-00321).
Комментариев пока нет.