AI-emotieherkenning: hoe machines leren onze gezichten te lezen

In een interview beschrijft Björn Schuller, ingenieur en onderzoeker aan de TU München en Imperial College London, hoe AI-systemen emoties herkennen via wiskundige modellen. Hij legt uit dat zijn team gebruikmaakt van een driedimensionaal emotiemodel: opwinding, valentie en dominantie, dat helpt om discrete categorieën zoals de zes basisemoties in kaart te brengen: woede, walging, verdriet, verrassing, angst en vreugde. Schuller merkt op dat psychologen het oneens zijn over definities, en zijn systemen, die al meer dan 25 jaar in ontwikkeling zijn, richten zich op spraakanalyse. Deze systemen gebruiken deep learning en trainingsdata waarbij mensen emoties beoordelen, wat betekent dat machines leren van menselijke oordelen en mensen nog niet kunnen overtreffen; ze behalen doorgaans een nauwkeurigheid van 60 tot 70 procent. Critici zoals Lisa Feldman Barrett van de Northwestern University twijfelen aan de wetenschappelijke basis van dergelijke herkenningssystemen. Desondanks groeit de markt: vorig jaar genereerden startups en bedrijven zoals Amazon, Microsoft en IBM wereldwijd meer dan 40 miljard dollar aan emotieherkenning, met prognoses die tegen 2034 meer dan verdrievoudigd zouden kunnen worden. Toepassingen zijn onder meer psychotherapiecoaching, marktonderzoek en leugendetectie bij inlichtingendiensten. Schuller merkt op dat grote taalmodellen en multimodale modellen langzaam deze markt betreden, maar een studie van de Universiteit van Bern toonde aan dat ze mensen overtreffen in emotionele intelligentietests. Daarnaast bleek uit een enquête van DAK Gesundheit en het Universitair Medisch Centrum Hamburg dat één op de tien tieners liever zijn of haar vertrouwen stelt in een chatbot dan in een vriend.