Охота на электроовец. Большая книга искусственного интеллекта

Первые исследования, рассматривавшие способность людей выстраивать социальные взаимодействия как вид интеллекта, появились в начале 1920-х гг. Собственно, именно в 1920 г. уже знакомый нам изобретатель «кривой обучения» Эдвард Торндайк ввёл понятие «социальный интеллект» и описал его как «способность понимать людей, мужчин и женщин, мальчиков и девочек, умение обращаться с людьми и разумно действовать в отношениях с ними» [2440].
Хотя интеллект вообще и социальный интеллект в частности — это многомерные явления, в силу того что люди сталкиваются с самыми разными интеллектуальными (и эмоциональными) задачами, исследователи остались верны себе в безудержном стремлении спроецировать любой вектор на скаляр, то есть создать такую проекцию, в которой всех людей можно будет сравнивать по уровню социального интеллекта. В 1926 г. был создан один из первых тестов для измерения социального интеллекта — тест университета Джорджа Вашингтона на социальный интеллект (George Washington University Social Intelligence Test), позже получивший весьма широкое распространение. В последующее десятилетие предпринимались и другие попытки создания подобных тестов, однако сам Торндайк относился к успехам в области измерения социального интеллекта весьма скептически. Об этом свидетельствует обзор [2441] методов измерения социального интеллекта, написанный Торндайком в соавторстве с Солом Стейном в 1937 г.
Термин «эмоциональный интеллект» (emotional intellect) впервые появился в работе Майкла Белдока «Чувствительность к выражению эмоционального значения в трёх способах общения» (Sensitivity to Expression of Emotional Meaning in Three Modes of Communication), написанной в 1964 г. Двумя годами позже его использовал Ханскарл Лёйнер в статье «Эмоциональный интеллект и эмансипация» (Emotionale Intelligenz und Emanzipation) [2442].
Расцвет теории эмоционального интеллекта пришёлся на 1980–1990-е гг. В описанной в 1983 г. Говардом Гарднером популярной модели интеллекта автор разделил интеллект на внутриличностный и межличностный, что стало ещё одним подтверждением того, что концепция существования стороны интеллекта, связанной с социальными взаимодействиями, глубоко укоренилась в научном сообществе. В 1985 г. Уэйн Пэйн завершил свою диссертацию «Исследование эмоций: развитие эмоционального интеллекта» (A Study of Emotion: Developing Emotional Intelligence) [2443], посвящённую развитию эмоционального интеллекта, а в 1988 г. психолог Рувен Бар-Он в своей диссертации [2444] ввёл понятие «эмоциональный коэффициент EQ» [Emotional Quotient] по аналогии с популярным показателем IQ [Intellectual Quotient]. Современное представление об эмоциональном интеллекте окончательно оформилось в работе американских социальных психологов Питера Саловея и Джона Майера «Эмоциональный интеллект» (Emotional Intelligence) [2445], увидевшей свет в 1990 г.
В 1995 г. книгу [2446] с таким же названием опубликовал научный журналист Дэниел Гоулман. В ней он подробно описал историю развития теории эмоционального интеллекта, дал обзор современных научных представлений о нём и даже представил собственную модель эмоционального интеллекта, получившую впоследствии название смешанной модели. Ещё через год Бар-Он представил на собрании Американской ассоциации психологов (American Psychological Association) новый тест для определения эмоционального коэффициента — EQ-i (Emotional Quotient Inventory, Инвентаризация эмоционального коэффициента). Позже этот тест лёг в основу «модели эмоционального интеллекта Бар-Она».
Появление в том же году на стыке психологии, информатики и когнитивных наук концепции «эмоциональных вычислений» стало отражением всевозрастающей роли технических средств в социальных взаимодействиях. Люди стали чаще взаимодействовать с информационными системами (чего стоит хотя бы первый бум онлайн-торговли, пришедшийся на 1990-е гг.), а также использовать технические средства для общения друг с другом. Развитие колл-центров создало спрос на системы речевой аналитики, позволяющие оценивать эффективность работы сотрудников и выявлять различные проблемы в коммуникациях. Развитие социальных сетей потребовало от компаний обратиться к системам сентимент-анализа (анализ тональности высказываний) для того, чтобы выявлять негативные высказывания о продуктах и сервисах и на ранней стадии купировать потенциальный ущерб бренду. Анализ поведения и эмоций потребителей стал использоваться для повышения продаж и появления принципиально новых маркетинговых инструментов. И наконец, появление автоматизированных диалоговых систем создало потребность в отслеживании эмоциональной составляющей общения для того, чтобы правильно понимать высказывания людей и правильно реагировать на них в процессе диалога.
  
Революция глубокого обучения открыла перед областью эмоциональных вычислений совершенно новые возможности, хотя, конечно, отдельные успехи в этой области были сделаны и до неё. Системы, основанные на правилах, в ряде случаев были способны справиться с обработкой эмоциональной информации. Например, в сентимент-анализе использовались специализированные семантические базы данных, включающие в себя негативно окрашенные слова и словосочетания. Анализ динамики форманты F0 и громкости в речи человека позволял в ряде случаев выявлять эмоциональные высказывания (и даже отличать различные эмоции). Анализ взаимного расположения ключевых точек на лице позволял определить улыбку либо напротив, хмурое или угрожающее выражение лица. Однако точность таких моделей обычно оставляла желать лучшего. Скромные успехи демонстрировали и генеративные модели. Да, манипулируя громкостью и формантами речи, можно было придать синтетической речи некоторую эмоциональную окраску, или же чат-бот, основанный на правилах, мог использовать заранее заготовленные редакторами эмоционально окрашенные фразы, однако уровень «эмоционального интеллекта» таких систем был крайне невысок.
Сегодня задачи обработки эмоциональной информации решаются, как правило, при помощи глубоких нейросетевых моделей машинного обучения, причём как в варианте «обучения с учителем», так и в варианте «обучения без учителя».
  
6.5.3 Представление эмоциональной информации
 
В качестве примера первого подхода можно привести модели, предназначенные для определения эмоциональной окраски речи человека. Важно отметить, что в данном случае мы говорим именно об эмоциональной окраске речи, а не о том, какие именно эмоции испытывает говорящий. Обычно это одно и то же, однако люди иногда изображают те или иные эмоции, а особенно хорошо это умеют делать профессиональные артисты.
Для того чтобы обучить модель распознавать эмоциональную окраску речи, необходимо подготовить обучающую выборку, в которой каждому элементу речи (обычно фразе или слову) будет сопоставлена метка, определяющая эмоциональную окраску данного элемента. Здесь мы сталкиваемся с интересными проблемами. Для начала необходимо выбрать подходящее представление эмоций. Например, мы можем перечислить различные эмоции, составив из них своеобразный «эмоциональный алфавит», и затем рассматривать нашу задачу как задачу классификации. В каких-то областях применения нас может устроить наличие всего двух классов: «негативная эмоциональная окраска» и «всё остальное». В других нам может понадобиться куда более обширный список. Системно подошли к вопросу авторы стандарта [2447],  [2448] Emotion Markup Language (EmotionML) 1.0. Они включили в стандарт несколько «эмоциональных словарей», предложенных в работах учёных-психологов. К их числу относится, например, так называемая «большая шестёрка» [Big six] эмоций, предложенная в 1972 г. в работе [2449] американского психолога Пола Экмана. «Большую шестёрку», как нетрудно догадаться, составляют шесть эмоций: отвращение [disgust], печаль [sadness], гнев [anger], страх [fear], счастье [happiness] и удивление [surprise]. Это наиболее простой эмоциональный словарь, определённый в EmotionML 1.0.