[mks_dropcap style=”letter” size=”48″ bg_color=”#ffffff” txt_color=”#000000″]W[/mks_dropcap]aar de mens in een seconde een emotie kan herkennen, kost het computers veel meer moeite. Om emoties te vatten in programmeertaal moet er namelijk met ontelbaar veel variabelen rekening worden gehouden: hoe alle spiertjes op elkaar inwerken, nuances tussen emoties, verschillen in uiterlijk tussen mensen, enzovoort. Dit is onbegonnen werk voor een simpele computer. Daarom werken techbedrijven zoals Microsoft, Google en Facebook aan emotieherkenningtools die het wel mogelijk maken om onze gezichtsuitdrukkingen te lezen.
Computers maken zichzelf slimmer
Machine Learning zijn algoritmes die patronen kunnen ontdekken in grote hoeveelheden data, waardoor computers zichzelf slimmer kunnen maken. Met behulp van machine learning zou het mogelijk kunnen zijn voor computers om zoiets complex als emoties te kunnen herkennen. Techbedrijven zijn als gekken bezig om zo snel en zo goed mogelijk emotie herkenningsoftware te ontwikkelen, maar waarom?
Emoties op reclames meten
De meest voor de hand liggende reden is dat bedrijven emoties willen herkennen om reacties op advertenties te kunnen meten. Wanneer een adverteerder een mooie poster ophangt, is het afwachten wat het effect zal zijn. Maar nu kan met behulp van een cameraatje bij de poster meteen worden gemeten wat voorbijgangers vinden van de advertentie. Behalve emoties, werken de ontwikkelaars ook aan software om het geslacht en de leeftijd te kunnen herkennen. Zo kan de adverteerder zijn reclames beter aanpassen op de doelgroep en kan meteen worden ingegrepen als een campagne niet in de smaak valt.
Betere veiligheid
De tweede reden is minder commercieel en meer van maatschappelijk belang. Emotieherkenning kan ook worden gebruikt om de veiligheid in bijvoorbeeld voetbalstadions of andere druk bezochte plaatsen te verbeteren. Camera’s in een stadion kunnen meten wanneer er in een mensenmassa veel boze gezichten zijn. De software kan stewards dan een waarschuwing geven.
Persoonlijke profielen maken
Machine learning wordt ook gebruikt voor biometrische herkenning, dat betekent dat camera’s mensen persoonlijk kunnen identificeren. De koppeling van biometrische herkenning en emotieherkenning is interessant voor veiligheidsdoeleinden, maar is een gevaar voor de privacy. Het gebruik van deze twee technologieën door commerciële bedrijven levert veel kritiek op, want de bedrijven kunnen op deze manier profielen van burgers maken en hun reclame persoonlijk maken. De Europese privacytoezichthouders waarschuwen daarom dat bedrijven niet zomaar profielen van mensen mogen opbouwen.
SceneTap: waar is dat feestje?
Ook voor de horeca kan emotieherkenning interessant zijn. In de Verenigde Staten bestaat er al een app die je vertelt hoe vol een kroeg of club is, hoeveel van de bezoekers vrouw is, wat de gemiddelde leeftijd is en hoe gezellig het daarbinnen is. In verschillende kroegen in de VS hangen camera’s waarmee SceneTap al deze variabelen meet en meteen online zet. SceneTap heeft veel kritiek gekregen. Doordat de app laat zien hoeveel vrouwen in een club te vinden zijn, wordt het gezien als een app die mannen vertelt waar ze de meeste kans hebben om te scoren. Vrouwen worden zo afgespiegeld als prooien waar op wordt gejaagd.
Privacy en emotieherkenning
De grote vraag is nu: wat blijft er over van privacy? Als het mogelijk wordt om persoonlijke profielen van mensen te maken, als bedrijven zelfs kunnen meten wat we voelen en als mannen weten waar de vrouwen hun drankjes drinken op vrijdagavond? Emotieherkenning en biometrische herkenning zijn erg interessante ontwikkelingen die veel kunnen bijdragen aan de veiligheid, maar ook privacy is belangrijk voor de veiligheid van een samenleving. Het is daarom belangrijk dat er duidelijke regels bestaan over wat wel en niet mag.
Cover: tuckett
