Андреас Вайгенд - BIG DATA. Вся технология в одной книге

Экман предположил, что эмоции носят универсальный характер, поскольку являются искренним сигналом, сообщающим окружающим о настроении и отношении человека [284]. Продолжая свои полевые исследования и эксперименты, он обратил внимание и на прочие физиологические проявления, связанные с каждой из базовых эмоций, – частоту пульса и дыхания, циркуляцию крови и общий мышечный тонус. Иногда люди переживают настолько быструю смену целого ряда эмоций, что заметить вспышку каждой из них невозможно без пристального наблюдения. Часто такие «микропроявления» бывают признаком желания скрыть какое-то чувство от окружающих или того, что человек не отдает себе в нем отчета [285]. Из-за мимолетности этих выражений, продолжающихся пятую долю секунды или меньше, их можно с большей вероятностью разглядеть на записи, чем невооруженным взглядом.

Искренняя улыбка (слева) по сравнению с вежливой (справа): когда человек действительно рад, работа лицевых мышц вокруг глаз и рта образует складки на коже. Источник: Paul Ekman, PhD/ Paul Ekman Group LLC.

Экман консультировал компанию Emotient из Сан-Диего, разрабатывавшую программное обеспечение для распознавания эмоций на потоковом видео в режиме реального времени. Одним из первых коммерческих приложений Emotient стал поступивший на рынок в 2007 году «детектор улыбки». Он применялся в цифровых камерах Sony, делавших снимок, как только человек в кадре начинал улыбаться. Алгоритмы Emotient развивались быстрыми темпами. Единственная камера высокого разрешения, установленная в помещении на четыреста человек, например в конференц-зале или торговом центре, может одновременно считывать микровыражения эмоций на лицах всех присутствующих [286]. Компания работает также над вариантом программы, позволяющей использовать ее в больницах для определения выражения боли на лицах пациентов. Действительно, научные исследования показали, что компьютеры лучше людей замечают признаки физического дискомфорта [287]. Одно из первых приложений Emotient для Google Glass предназначалось для менеджеров магазинов: с его помощью можно было оценивать моральное состояние персонала или выявлять, как эмоции отражаются на покупках, – что и у кого покупают посетители [288]. В январе 2016 года Emotient была поглощена Apple [289].

Лондонская компания Realeyes также использует результаты исследований Экмана для оценки выражений лиц зрителей рекламных роликов на экранах своих компьютеров или на мониторах, установленных в общественных местах. Последнее, в частности, было проведено в рамках кампании под названием «Боязнь сцены» по заказу производителя электроники LG. Местом действия были мужские туалеты, где над писсуарами установили видеомониторы LG. При появлении человека реклама прерывалась, и на экране возникала женщина, которая как будто могла видеть происходящее в туалете. Камеры Realeyes наблюдали смену выражений на лицах мужчин – от смущения и испуга до восторга. Анализ показал также, что часть мужчин испытывали отвращение и в начале, и в конце видео [290]. Одна из конкурирующих компаний Affectiva, выделившаяся из состава Центра медиаисследований МТИ, занималась созданием системы эмоционального оповещения для людей с аутизмом, которым трудно определять значение выражений лиц окружающих [291]. Коммерческие заказчики поручали Affectiva замеры эмоциональной реакции на рекламу, а социологи пользовались ее услугами для оценки реакции зрителей на выступления политиков в теледебатах [292].

Выражения лиц – далеко не единственный источник сбора и анализа данных о человеческих эмоциях. Эмоции также проявляются и в тоне, громкости (силе), качестве звука, продолжительности и скорости человеческой речи [293]. Для создания одного из основных каталогов голосовых выражений эмоций ученые привлекли сотню актеров из пяти очень разных по культурным традициям англоязычных стран – Австралии, Кении, Индии, Сингапура и Соединенных Штатов. Актеры произносили простые тексты вроде чисел или дат с различной эмоциональной окраской [294].

Многие ученые считают, что подобные «постановочные» голосовые образцы не годятся для подготовки систем машинного обучения к успешной работе с обычной человеческой речью в режиме реального времени, поскольку актеры обучены придавать эмоциям излишнюю выразительность. В последних исследованиях для создания библиотек эмоций использовались огромные архивы телефонных переговоров колл-центров. Первичную информацию готовили сотрудники колл-центров, которым поручалось отмечать эмоциональное состояние собеседника и соответствующим образом обозначать аудиозапись разговора. Образцы раздраженной, безропотной, эмоционально напряженной или нейтральной речь, включая даже краткие реплики типа «а-а!», «о!», «ну!» или «оʼкей» [295], использовались для обучения систем распознавания речи. В некоторых случаях в качестве дополнительного подтверждения эмоционального состояния потребителя ему задавался вопрос об оценке качества сервиса [296].

Такие компании, как LiveOps и Mattersight, предоставляющие услуги колл-центров, используют программные средства определения окраски речи для обеспечения лучшей коммуникации между сотрудником и клиентом. У клиента заметный региональный акцент? Тогда его звонок нужно перенаправить сотруднику из этого региона, чтобы общение прошло на более доверительном уровне. Голос клиента при ответах на навигацию голосового меню звучит раздраженно? Тогда перенаправим его к сотруднице, лучше всех справляющейся с трудными проблемами и клиентами. Если, несмотря на все ее старания, клиент повышает голос и разговаривает все более резким тоном, уровень аудиенции может быть повышен до разговора с менеджером. В LiveOps контекст этих аудиозаписей дополняется информацией о жалобах клиентов, почерпнутых из социальных сетей и других источников [297]. Человек, сразу установивший контакт с работником колл-центра, может быть не настолько жестким в своей претензии, или его можно будет убедить купить товар или услугу. В Mattersight утверждают, что могут предоставлять еще более персонализированный сервис, соединяя сотрудника с клиентом на основе совпадения типа личности. Компания анализирует содержание и тональность предыдущих разговоров, классифицирует собеседников, например «общительный», «саркастичный», «серьезный», «застенчивый» и т. п., и направляет звонки сотрудникам, которым лучше удается общение с определенными типажами, что повышает уровень удовлетворенности клиентов [298]. Заказчиками компании являются медицинские, страховые и телефонные компании, постоянно работающие с людьми, и для них успешность общения оператора колл-центра с клиентом очень важны.