Por qué debería preocuparse por las máquinas que leen sus emociones

¿Podría un programa detectar posibles terroristas leyendo sus expresiones faciales y su comportamiento? Esta fue la hipótesis puesta a prueba por la Administración de Seguridad del Transporte de EE. UU. (TSA) en 2003, ya que comenzó a probar un nuevo programa de vigilancia llamado Programa de detección de pasajeros por técnicas de observación, o Spot, para abreviar.

Mientras desarrollaban el programa, consultaron a Paul Ekman, profesor emérito de psicología de la Universidad de California en San Francisco. Décadas antes, Ekman había desarrollado un método para identificar expresiones faciales diminutas y mapearlas en las emociones correspondientes. Este método se usó para entrenar a "oficiales de detección de comportamiento" para escanear caras en busca de signos de engaño.

Pero cuando el programa se implementó en 2007, estaba plagado de problemas. Los oficiales fueron a recomendar pasajeros para ser interrogados más o menos al azar, y el pequeño número de arrestos que se produjeron fueron por cargos no relacionados con el terrorismo. Aún más preocupante fue el hecho de que el programa supuestamente fue usado para justificar el perfil racial.

Ekman trató de distanciarse de Spot, alegando que su método estaba siendo mal aplicado. Pero otros sugirieron que el fracaso del programa se debió a una teoría científica obsoleta que sustentaba el método de Ekman; a saber, que las emociones pueden deducirse objetivamente a través del análisis de la cara.

En los últimos años, las compañías de tecnología han comenzado a utilizar el método de Ekman para entrenar algoritmos para detectar emociones a partir de expresiones faciales. Algunos desarrolladores afirman que los sistemas automáticos de detección de emociones no solo serán mejores que los humanos para descubrir emociones verdaderas mediante el análisis de la cara, sino que estos algoritmos estarán en sintonía con nuestros sentimientos más íntimos, mejorando enormemente la interacción con nuestros dispositivos.

Pero muchos expertos que estudian la ciencia de la emoción están preocupados porque estos algoritmos fallarán una vez más, tomando decisiones de alto riesgo sobre nuestras vidas basadas en una ciencia defectuosa.

La tecnología de detección de emociones requiere dos técnicas: visión por computadora, para identificar con precisión las expresiones faciales, y algoritmos de aprendizaje automático para analizar e interpretar el contenido emocional de esas características faciales.

Por lo general, el segundo paso emplea una técnica llamada aprendizaje supervisado, un proceso mediante el cual un algoritmo está entrenado para reconocer cosas que ha visto antes. La idea básica es que si muestra al algoritmo miles y miles de imágenes de caras felices con la etiqueta "feliz" cuando ve una nueva imagen de una cara feliz, nuevamente, lo identificará como "feliz".

Una estudiante graduada, Rana el Kaliouby, fue una de las primeras personas en comenzar a experimentar con este enfoque. En 2001, después de mudarse de Egipto a la Universidad de Cambridge para realizar un doctorado en ciencias de la computación, descubrió que pasaba más tiempo con su computadora que con otras personas. Pensó que si podía enseñarle a la computadora a reconocer y reaccionar ante su estado emocional, su tiempo lejos de su familia y amigos sería menos solitario.

Kaliouby dedicó el resto de sus estudios de doctorado a trabajar en este problema, y ​​finalmente desarrolló un dispositivo que ayudó a los niños con síndrome de Asperger a leer y responder a las expresiones faciales. Ella lo llamó el "audífono emocional".

En 2006, Kaliouby se unió al laboratorio de computación afectiva en el Instituto de Tecnología de Massachusetts, donde junto con la directora del laboratorio, Rosalind Picard, continuó mejorando y refinando la tecnología. Luego, en 2009, ellos cofundó una startup llamada Affectiva, la primera empresa en comercializar "inteligencia emocional artificial".

Lea la historia completa aquí ...