Les ordinateurs ne peuvent pas dire si vous êtes heureux lorsque vous souriez

Un gif animé montrant des personnes avec différentes expressions faciales Mme Tech ; Images de Unsplash, Pixabay, Pexels

Lorsque les humains essaient de comprendre comment quelqu'un se sent, nous utilisons beaucoup d'informations : les expressions faciales, le langage corporel, où se trouve cette personne, etc. Lorsque les ordinateurs essaient de faire la même chose, ils ont tendance à se concentrer uniquement sur le visage. C'est un gros défaut : selon un important nouvelle étude , cela suggère que la plupart des affirmations faites par les sociétés de reconnaissance des émotions sont fausses.

La reconnaissance des émotions - ou l'utilisation de la technologie pour analyser les expressions faciales et déduire les sentiments - est, selon une estimation, configurée pour être un 25 milliards de dollars d'affaires d'ici 2023 . De grandes entreprises comme Microsoft et Apple, ainsi que des startups spécialisées comme Kairos et Affectiva, y participent. Bien qu'elle soit le plus souvent utilisée pour vendre des produits, la technologie de reconnaissance des émotions a également fait son apparition dans recrutement et comme un outil possible pour déterminer si quelqu'un essaie de commettre une fraude à l'assurance . En 2003, la Transportation Security Administration des États-Unis a commencé à entraîner des humains à repérer des terroristes potentiels en lisant leurs expressions faciales , il est donc facile d'imaginer un projet d'intelligence artificielle tentant la même chose. (Le programme TSA a été largement critiqué pour être basé sur une science médiocre .)

Mais depuis des années, on s'oppose de plus en plus à la croyance selon laquelle les expressions faciales sont des révélateurs faciles des sentiments. Un groupe de scientifiques réunis par le Association pour les sciences psychologiques a passé deux ans à examiner plus de 1 000 articles sur la détection des émotions. Ils se sont concentrés sur la recherche sur la façon dont les gens bougent leur visage lorsqu'ils ressentent certaines émotions et sur la façon dont les gens déduisent les états émotionnels des autres à partir de leur visage. Le groupe a conclu qu'il est très difficile d'utiliser uniquement les expressions faciales pour dire avec précision comment quelqu'un se sent.

Les gens sourient quand ils sont heureux et froncent les sourcils quand ils sont tristes, mais la corrélation est faible, selon le co-auteur de l'étude Lisa Feldman Barrett , psychologue à la Northeastern University. Les gens font beaucoup d'autres choses quand ils sont heureux ou tristes aussi, et un sourire peut être ironique ou ironique. Leurs comportements varient beaucoup selon les cultures et les situations, et le contexte joue un grand rôle dans la façon dont nous interprétons les expressions. Par exemple, dans les études où quelqu'un a placé une image d'un visage positif sur le corps d'une personne dans une situation négative, les gens ressenti le visage comme plus négatif .

En bref, les expressions que nous avons appris à associer aux émotions sont des stéréotypes, et la technologie basée sur ces stéréotypes ne fournit pas de très bonnes informations. Obtenir une bonne reconnaissance des émotions coûte cher et nécessite de collecter de nombreuses données extrêmement spécifiques - plus, dit Barrett, que quiconque n'en a jusqu'à présent.

Le danger du manque de données

La plupart des entreprises à qui j'ai demandé des commentaires sur cette histoire, y compris Apple et Microsoft, n'ont pas répondu. Celui qui l'a fait, Caire , promet aux détaillants qu'il peut utiliser la technologie de reconnaissance des émotions pour comprendre comment leurs clients se sentent. En scannant les visages des clients et en analysant un sourcil levé ou un sourire pour dire si quelqu'un est heureux ou triste, Kairos fournit le type de données qui peuvent être difficiles à collecter pour les entreprises physiques, déclare la PDG Melissa Doval.

Pour former sa technologie, Kairos a demandé aux gens de regarder des vidéos émouvantes et de scanner leur visage. Certaines autres données provenaient d'expressions posées. Une personne de l'entreprise est chargée d'étiqueter ces données pour alimenter l'algorithme.

Il s'agit d'une approche extrêmement courante, mais elle présente deux grandes faiblesses, selon la nouvelle revue. L'un est les visages posés. Si on vous dit de faire une grimace surprise, cela peut être très différent de l'apparence réelle de votre visage lorsque vous êtes surpris. L'autre problème est qu'un tiers passe en revue et étiquette ces données. Un observateur peut lire une expression faciale comme surprise, mais sans demander à la personne d'origine, il est difficile de savoir quelle était la véritable émotion.

Le résultat est une technologie aux capacités assez rudimentaires. Pour sa part, Doval dit que la société se concentre actuellement sur l'amélioration de sa caméra et de son tableau de bord plutôt que sur la technologie émotionnelle elle-même. Elle a ajouté qu'ils seraient éventuellement intéressés à prendre en considération des recherches comme celle de Barrett et à ajouter des données démographiques pour plus de contexte et pour rendre l'algorithme plus précis.

Le danger de bien faire les choses

Barrett a des suggestions pour améliorer la reconnaissance des émotions. N'utilisez pas de photos uniques, dit-elle; étudier des individus dans différentes situations au fil du temps. Rassemblez beaucoup de contexte - comme la voix, la posture, ce qui se passe dans l'environnement, des informations physiologiques telles que ce qui se passe avec le système nerveux - et déterminez ce que signifie un sourire pour une personne spécifique dans une situation spécifique. Répétez et voyez si vous pouvez trouver des modèles chez des personnes ayant des caractéristiques similaires comme le sexe. Vous n'avez pas toujours à mesurer tout le monde, mais vous pouvez mesurer un plus grand nombre de personnes que vous échantillonnez à travers les cultures, dit-elle. Je pense que nous gravitons tous naturellement vers cette approche Big Data. C'est maintenant possible de le faire, alors qu'il y a encore dix ans, c'était beaucoup plus difficile.

Cette méthode est plus proche de l'approche d'entreprises comme Boston Affectif . La cofondatrice et PDG d'Affectiva, Rana el Kaliouby, convient que la compréhension actuelle des émotions est trop simplifiée. La propre analyse de l'entreprise, par exemple, a montré qu'il existe au moins cinq types de sourires différents, du sourire coquet au sourire poli. Affectiva collecte des données dans 87 pays, enregistre les personnes dans des situations réelles (comme lorsqu'elles conduisent) et demande aux participants de s'auto-évaluer sur ce qu'ils ressentent. Est-ce un problème résolu ? Ce n'est pas du tout, dit el Kaliouby. La technologie d'Affectiva est meilleure pour classer la joie, par exemple, que pour différencier la peur, la colère et le dégoût.

Pour plus de précision, plus de données, c'est mieux. Mais la collecte d'autant de données personnelles présente également des écueils, comme le montrent les débats en cours autour de la reconnaissance faciale. Les consommateurs ont de plus en plus peur de perdre leur vie privée ou de voir leurs données utilisées contre eux. C'est quelque chose qui devrait être une préoccupation pour l'un de ces systèmes, dit Tiffany Lee , chercheur sur la protection de la vie privée au sein du projet sur la société de l'information de l'université de Yale. Le problème est d'avoir les bonnes garanties. Nous devons savoir, par exemple, d'où proviennent les données, comment elles sont collectées et comment elles sont stockées. Les données seront-elles vendues ou transférées ? Sera-t-il lié à d'autres ensembles de données qui pourraient contenir des informations d'identification ?

Affectiva dit qu'elle refuse de travailler avec des sociétés de surveillance ou de détection de mensonges. Les universitaires ont généralement des limites strictes sur la manière dont ils peuvent collecter et partager des données. Mais le secteur privé n'est pas régi par des règles générales concernant la collecte et l'utilisation des données, et cela pourrait être dangereux alors que les entreprises tentent d'améliorer leurs technologies. Je ne pense pas que nous ayons vraiment suffisamment de garanties en ce moment, dit Li.

Correction : La reconnaissance des émotions devrait devenir une activité de 25 milliards de dollars d'ici 2023, selon une estimation du marché. Une version antérieure de cet article déformait ce nombre.

cacher