Por que você deve se preocupar com máquinas que lêem suas emoções

Um programa poderia detectar terroristas em potencial lendo suas expressões faciais e comportamento? Essa foi a hipótese posta à prova pela TSA (Administração de Segurança de Transporte dos EUA) no 2003, quando começou a testar um novo programa de vigilância chamado o programa de Triagem de Passageiros por Técnicas de Observação, ou Spot, para abreviar.

Durante o desenvolvimento do programa, eles consultaram Paul Ekman, professor emérito de psicologia da Universidade da Califórnia, em San Francisco. Décadas antes, Ekman havia desenvolvido um método para identificar expressões faciais minúsculas e mapeá-las para as emoções correspondentes. Este método foi usado para treinar “agentes de detecção de comportamento” para examinar rostos em busca de sinais de fraude.

Mas quando o programa foi lançado no 2007, ele estava cheio de problemas. Os oficiais foram referindo-se passageiros para interrogatório mais ou menos aleatoriamente, e o pequeno número de prisões ocorridas estava sob acusações não relacionadas ao terrorismo. Ainda mais preocupante foi o fato de o programa ter sido alegadamente usava para justificar o perfil racial.

Ekman tentou se distanciar de Spot, alegando que seu método estava sendo mal aplicado. Mas outros sugeriram que o fracasso do programa foi devido a uma teoria científica desatualizada que sustentava o método de Ekman; ou seja, que as emoções podem ser deduzidas objetivamente através da análise do rosto.

Nos últimos anos, as empresas de tecnologia começaram a usar o método de Ekman para treinar algoritmos para detectar emoções a partir de expressões faciais. Alguns desenvolvedores afirmam que os sistemas automáticos de detecção de emoções não apenas serão melhores que os humanos na descoberta de emoções verdadeiras, analisando o rosto, mas que esses algoritmos se sintonizarão com nossos sentimentos mais íntimos, melhorando enormemente a interação com nossos dispositivos.

Mas muitos especialistas que estudam a ciência da emoção estão preocupados com o fato de esses algoritmos falharem mais uma vez, tomando decisões importantes sobre nossas vidas com base na ciência defeituosa.

A tecnologia de detecção de emoção requer duas técnicas: visão computacional, para identificar com precisão expressões faciais, e algoritmos de aprendizado de máquina para analisar e interpretar o conteúdo emocional desses recursos faciais.

Normalmente, o segundo passo emprega uma técnica chamada aprendizado supervisionado, um processo pelo qual um algoritmo é treinado para reconhecer coisas que ele já viu antes. A idéia básica é que, se você mostrar ao algoritmo milhares e milhares de imagens de rostos felizes com o rótulo "feliz" quando vir uma nova imagem de um rosto feliz, ele identificará novamente como "feliz".

Uma estudante de graduação, Rana el Kaliouby, foi uma das primeiras pessoas a começar a experimentar essa abordagem. Na 2001, depois de se mudar do Egito para a Universidade de Cambridge para realizar um doutorado em ciência da computação, ela descobriu que estava passando mais tempo com o computador do que com outras pessoas. Ela imaginou que, se pudesse ensinar o computador a reconhecer e reagir ao seu estado emocional, seu tempo gasto longe da família e dos amigos seria menos solitário.

Kaliouby dedicou o restante de seus estudos de doutorado a trabalhar nesse problema, desenvolvendo um dispositivo que ajudou crianças com síndrome de Asperger a ler e responder a expressões faciais. Ela chamou de "aparelho auditivo emocional".

Na 2006, Kaliouby ingressou no laboratório de Computação Afetiva do Instituto de Tecnologia de Massachusetts, onde, juntamente com a diretora do laboratório, Rosalind Picard, continuou a melhorar e refinar a tecnologia. Então, no 2009, eles co-fundador uma startup chamada Affectiva, a primeira empresa a comercializar "inteligência emocional artificial".

Leia a história completa aqui…