Poden les màquines entendre com som les persones?

Una resposta preliminar és que sí. Hi ha molta controvèrsia en aquest tema i cal dir que dins aquest marc general de bogeria per la intel·ligència artificial, la major part de la població ens veiem immersos en un mar de dubtes tecnològics, morals i psicològics complicats per valorar la influència en relació al comportament i la personalitat. Gràcies a la tecnologia i recerca científica podem obtenir uns avenços que ens poden canviar, facilitar o aportar coneixement desconegut fins ara, i que ben utilitzat ens pot aportar gran informació i solucions (en diem applications for good). I si poguéssim arribar a ser realment més neutres en la selecció de personal? Es podria predir el comportament situacional per exemple en casos de persones violentes? I si obtinguéssim una millor percepció de la nostra personalitat? La intel·ligència artificial (IA) pot tenir grans biaixos, però també aportar molta informació d’utilitat si es fa servir correctament.

Per fi, un món sense una influència humana? Sense ningú posant injustes etiquetes. Moltes d’aquestes respostes podrien tenir els dies comptats si poguéssim tenir una explicació matemàtica i psicològica. L’ús de l’estadística en psicologia és freqüent. No ho és la modelització matemàtica, i aquesta és una conjunció poc explorada.

Per això, dos grups de recerca hem unit forces per treballar en equip. Els grups dels Drs. Sergio Escalera i David Gallardo-Pujol, poden trobar respostes a totes aquestes preguntes encara desconegudes per molts. Drs. Sergio Escalera i David Gallardo-Pujol can find answers to all these questions still unknown to many.

El Dr. Sergio Escalera és catedràtic del Departament de Matemàtiques i Informàtica de la Universitat de Barcelona, cap d’estudis d’enginyeria informàtica i dirigeix el grup d'anàlisi del comportament i recuperació de la actitud humana, és ICREA Academia i Fellow del European Laboratory for Learning and Intelligent Systems ELLIS, i professor associat a la Universitat Oberta de Catalunya, Universitat Dalhousie, i Universitat d'Aalborg. El Dr. David Gallardo-Pujol és professor agregat de Psicologia diferencial a la Universitat de Barcelona, vicedegà de Recerca de la Facultat de Psicologia de la UB i secretari general de l'Associació Europea d'Avaluació Psicològica, especialitzat en diferències individuals i desenvolupa recerca sobre la predicció del comportaments específics en situacions concretes mitjançant dades biològiques, psicològiques i socials del comportament humà. Especialitzat també en avaluació de la personalitat, mètodes quantitatius i genètica del comportament. Guanyador el premi Premi Antoni Caparrós del Consell Social de la UB i de la Fundació Bosch i Gimpera-UB 2020.

Els dos, amb la inestimable ajuda de la Cristina Palmero (PhD student in human behavior understanting), sense la qual aquest projecte no hagués estat possible, s'han endinsat en el desafiament d'investigar des de fa molts mesos sobre l'anàlisi visual del comportament humà en interaccions diàdiques i de grups reduïts amb un conjunt de dades a gran escala, multimodal i multivista (UDIVA). S'han posat el repte de poder obtenir un reconeixement automàtic de la personalitat de persones individuals (és a dir, una persona “target”) durant una interacció diàdica. Preveuen explotar la informació de context (per exemple, informació sobre la persona amb qui interactua, la seva relació, la dificultat de l'activitat, etc.) per resoldre el problema i obtenir puntuacions automàtiques de personalitat. Les primeres publicacions tècniques ja estan publicades i han posat en marxa una competició internacional per tal d’ajudar a resoldre aquests problemes, posant les seves dades a disposició.

l primer problema a resolver es la personalidad. Los datos audiovisuales asociadas a estos tracks, así como las etiquetas de personalidad Big-Five autoinformadas (e información de metadatos como el género, el tipo de interacción, si se conocen, etc.) ya están disponibles y listas para usar. Se proporcionarán transcripciones de nivel de enunciados para que también se pueda aprovechar la comunicación verbal. El objetivo es conseguir puntuaciones muy precisas sobre la personalidad de los participantes. Este es el primer track.

També posen el focus en la predicció de comportament: el focus d’aquest segon track és estimar futures (per exemple, fins a N fotogrames) marques facials 2D, mà i posició superior del cos d’un individu objectiu en una interacció diàdica, donat un període de temps observat, d’ambdós interlocutors, dues vistes individuals. S'espera que els participants en el workshop explotin informació que tingui en compte el context i que pugui afectar el comportament dels individus. Les etiquetes que s’utilitzaran per a aquest track es generaran automàticament, és a dir, es tractaran com a etiquetes suaus, obtingudes mitjançant mètodes d’última generació per a estimacions de l’estructura facial, de la mà i de la posició superior del cos en 3D. Suposem que les dades de formació poden contenir algunes etiquetes que continguin soroll a causa d’alguns petits errors dels mètodes de reconeixement. Tanmateix, netejarem manualment i corregirem les anotacions obtingudes automàticament incorrectes als conjunts de validació i prova per tal de proporcionar una avaluació justa.

Aprofitem per fer difusió del que ja ha publicat el Dr. Sergio Escalera dels desafiaments ChaLearn # ICCV2021 sobre el reconeixement de la personalitat i la predicció del comportament ja es publiquen a #Codalab. Uniu-vos a nosaltres per superar els límits de la comprensió automàtica de les interaccions socials.

El taller associat ** DYAD @ ICCV2021: Understanding Social Behavior in Dyadic and Small Group Interactions ** ara accepta articles:

Proceedings #PMLR: data límit el 15 de novembre

Lloc web del repte: https://bit.ly/3v5vKqP

Web del workshop: https://bit.ly/3eX4Bkm

#CV #ML #computervision #machinelearning #deeplearning #affectivecomputing #socialsignalprocessing # CVPR2021 #CallForPapers #socialcomputing #behavioralscience #HuPBA

Centre de Visió per Computador Universitat de Barcelona CHALEARN

IDLab – Individual differences