O papel da inteligência artificial (IA) nos diversos segmentos da ciência e tecnologia e suas derivações no nosso contexto social é inegável. Essa resposta no cotidiano é um fator importante quando IA é implementada nos negócios, na definição de políticas públicas, ou mesmo na hora de decidir, por exemplo, se um acusado de crime é culpado ou não. Mas isso é uma coisa boa? Um estudo recente do USC Institute for Creative Technologies junto com a University of Oxford indicou que a capacidade da inteligência artificial em detectar mentiras por meio de expressões faciais é falha. A gente explica.
Qual o objetivo de termos algoritmos para “ler” expressões
faciais?
Atualmente, os algoritmos de inteligência artificial estão
sendo aplicados em grupos bem direcionados, por exemplo: campanhas de
marketing que visem selecionar candidatos a empréstimos ou contratar pessoas
para empregos; previsão de ameaças por meio de estudos de Segurança Interna,
dentre outros. Tudo isso levanta uma imensa questão moral quanto a feedback
discriminatório para os algoritmos, mas aí é outra história. Vamos aos pixels.
Considerando a aplicabilidade de IA em reconhecer padrões, o grupo de pesquisa tentou minar a visão da psicologia popular de que, se pudéssemos reconhecer as expressões faciais das pessoas, poderíamos dizer o que elas estão pensando. Ousado, mas instigante à investigação, não é?
De toda forma, a própria equipe reconheceu estar usando
suposições ingênuas sobre essas técnicas, porque não há associação tão clara
entre expressões e o que as pessoas realmente estão sentindo, com base nesses
testes.
Expressando emoções:
O time de pesquisadores abordou o fato de que nossas
expressões faciais podem não revelar tão bem quanto sentimos. Então de que
adianta reconhecer padrões que não indicam um dado exato?
Algumas pessoas sorriem quando estão com raiva ou chateadas,
mascaram seus verdadeiros sentimentos, e muitas expressões não têm muita
relação com sentimentos internos, acabando por refletir convenções culturais ou
de conversação. Inclusive sabemos que as pessoas podem mentir sem mostrar
sinais óbvios disso, enquanto outras se autodelatam facilmente pela expressão.
PUBLICIDADE
CONTINUE LENDO ABAIXO
LEIA MAIS
As pessoas costumam expressar o oposto do que sentem para se
ater às convenções ou para enganar completamente alguém. O problema é que os
algoritmos, tal como a gente, não são tão bons assimilando essa duplicidade.
O experimento com o algoritmo leitor de expressões faciais:
O time de pesquisadores conduziu um experimento em que o
objeto de estudo foram 700 pessoas submetidas a nada menos do que jogatina por
dinheiro. Boa escolha para avaliar blefes e a famosa poker face.
Enquanto o pessoal estava jogando, os pesquisadores captaram
como as expressões das pessoas captavam suas decisões, bem como quanto dinheiro
eles ganhavam. Em seguida, o grupo de pesquisa arguia os jogadores quanto ao
seu comportamento, por exemplo: quantas vezes você blefou? Você usou alguma
expressão para tirar vantagem? Quantas vezes sua expressão era compatível com
sua emoção?
Os cientistas examinaram as relações entre expressões
espontâneas e momentos-chave no jogo. Sorrisos eram as expressões faciais mais
comuns, independentes do momento do jogo ou do que os participantes estavam
sentindo (sorriso amarelo, sorriso nervoso, sorriso sem jeito, sorriso feliz).
Outra coisa é que os jogadores não eram nada acurados para entender as emoções
dos demais.
PUBLICIDADE
CONTINUE LENDO ABAIXO
Algoritmos mainstream:
Essas descobertas enfatizam os limites do uso da tecnologia para prever sentimentos e intenções. Os algoritmos de leitura de emoções comumente usados geralmente descontextualizam o que estão vendo. Além disso, a detecção de emoções por reconhecimento facial não é simples: mesmo um emoji pode não indicar sentimentos tão claramente.
Nesse sentido, é importante destacar que quando empresas e governos reivindicam aplicar esses recursos, o consumidor deve ficar atento, porque muitas vezes essas técnicas têm suposições simplistas, que não foram testadas cientificamente, apesar de serem socialmente acreditadas.
Fonte: Interesting Engineering. USC.
Comentários
Kamila Jessie
Doutora em Hidráulica e Saneamento pela Universidade de São Paulo (EESC/USP) e Mestre em Ciências pela mesma instituição; é formada em Engenharia Ambiental e Sanitária pelo Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) com período sanduíche na University of Ottawa, no Canadá; possui experiência em tratamentos físico-químicos de água e efluentes; atualmente, integra o Centro de Pesquisa em Óptica e Fotônica (CePOF) do Instituto de Física de São Carlos (USP), onde realiza estágio pós-doutoral no Biophotonics Lab.