Fujitsu Laboratories ha annunciato il successo dello sviluppo di un nuovo modello AI per la stima dei livelli di concentrazione che può catturare e quantificare con alta precisione il grado di concentrazione quando una persona sta eseguendo vari compiti – rilevando sottili cambiamenti nei movimenti muscolari che rivelano differenze nell’espressione facciale che si verificano quando una persona è concentrata o meno.
Per convenzione, i modelli che quantificano la concentrazione con l’AI sono stati creati addestrando algoritmi per riconoscere le espressioni e i comportamenti delle persone che eseguono compiti specifici, come l’e-learning. Poiché le espressioni facciali e il comportamento differiscono a seconda dei compiti coinvolti e del background culturale in cui ogni persona è cresciuta, tuttavia, i modelli creati dovevano essere modelli individuali: la sfida era quella di sviluppare modelli AI individuali per situazioni diverse e specifiche.
Fujitsu è riuscita a sviluppare una soluzione AI in grado di identificare le caratteristiche comuni che indicano concentrazione o non concentrazione non facilmente influenzate dal background culturale dei soggetti. L’AI sfrutta una tecnologia proprietaria che rileva le unità d’azione (AU), che esprimono le “unità” di movimento corrispondenti a ciascun muscolo o a ciascun gruppo muscolare del viso sulla base di un sistema di classificazione anatomico, con la più alta precisione al mondo. La tecnologia cattura i cambiamenti su un breve periodo di pochi secondi, come una bocca tesa, e i cambiamenti a lungo termine su periodi di decine di secondi, come fissare intensamente, con tempi ottimizzati per ogni unità di azione. I dati sono stati raccolti da un totale di 650 persone provenienti da una varietà di aree geografiche tra cui Stati Uniti e Cina, oltre al Giappone, impegnati in compiti, come la memorizzazione e la ricerca, che richiedono concentrazione per creare un set di dati di apprendimento automatico. Questo è stato utilizzato per creare un modello di IA generale che può determinare i livelli di concentrazione senza basarsi su comportamenti specifici del compito. L’efficacia di questo modello è stata successivamente verificata utilizzando questo set di dati, ed è stato confermato che il grado di concentrazione dei soggetti poteva essere stimato quantitativamente con un tasso di precisione superiore all’85%.
In definitiva, questa tecnologia fornisce un supporto AI che offre la possibilità di utilizzare dati accurati sulla concentrazione e l’attenzione per migliorare l’efficienza e la produttività delle attività online delle persone, dato che sempre più aspetti della vita si spostano online in mezzo alla pandemia di COVID-19.
Tecnologia di recente sviluppo
Fujitsu ha sviluppato un modello AI generico che quantifica i livelli di concentrazione senza dipendere dal rilevamento di un compito specifico e indipendentemente dal background culturale, sfruttando una tecnologia unica che rileva le espressioni facciali attraverso le Action Unit con la massima precisione al mondo.
Utilizzando la tecnologia proprietaria di rilevamento delle unità d’azione – che impara accuratamente i cambiamenti relativi dei muscoli d’espressione facciale attraverso l’allenamento su una coppia di immagini in cui l’intensità dei movimenti dei muscoli d’espressione facciale differisce – diventa possibile catturare i cambiamenti su un breve periodo di pochi secondi, come una bocca tesa, e i cambiamenti a lungo termine su un periodo di diverse decine di secondi, come fissare intensamente, in cornici temporali ottimizzate per ogni unità d’azione. Un modello AI di stima della concentrazione altamente accurato è stato quindi sviluppato utilizzando un nuovo metodo di stima integrata della concentrazione (Fig. 1).
Questo modello AI è stato addestrato su un set di dati basato sui risultati dei compiti di memorizzazione e di ricerca che richiedono concentrazione, attingendo da un pool diversificato di 650 persone provenienti dal Giappone, dagli Stati Uniti e dalla Cina. Il modello AI per scopi generali risultante può quantificare il grado di concentrazione o mancanza di concentrazione di un soggetto per una varietà di compiti, come ad esempio se qualcuno si sta concentrando durante l’e-learning, il grado in cui qualcuno è immerso nel lavoro d’ufficio, o i livelli di concentrazione delle persone impegnate nel lavoro di assemblaggio delle piante, su una gamma da 0,0 (completa mancanza di concentrazione) a 1,0 (massima concentrazione).
Risultato
Al fine di verificare la versatilità del modello, Fujitsu ha costruito un set di dati per un totale di 650 persone provenienti da una varietà di regioni, tra cui in Giappone, così come negli Stati Uniti e in Cina. Usando il nuovo modello AI sviluppato, i livelli di concentrazione dei partecipanti in ogni paese sono stati stimati per una serie di compiti, ed è stato possibile stimare il grado di concentrazione con più dell’85% di precisione. Questo risultato è paragonabile o superiore ai risultati delle ultime conferenze accademiche internazionali che quantificano il grado di concentrazione degli studenti sui compiti di e-learning. È stato confermato che questo metodo funziona efficacemente nonostante le possibili variazioni del background culturale.
Inoltre, quando il modello AI sviluppato è stato valutato utilizzando dati che includevano sia la concentrazione che la non concentrazione dovuta alla sonnolenza, registrati da un simulatore di guida, ha mostrato un’alta correlazione con i dati corretti etichettati in base all’indice di un’organizzazione nazionale di ricerca giapponese per la misurazione della sonnolenza, ed è stato confermato che il calo di concentrazione dovuto alla sonnolenza poteva essere stimato. Questo conferma che il modello AI può essere applicato a diversi compiti su cui non è specificamente addestrato.
In futuro, al fine di espandere l’applicazione di questa tecnologia a vari servizi come le lezioni online, le riunioni online e le attività di vendita, che si stanno espandendo a livello globale in mezzo al “New Normal”, promuoveremo ulteriormente la verifica rigorosa di tali tecnologie dal punto di vista dell’etica AI, con lo scopo di realizzare l’uso pratico di tecnologie AI degne di fiducia.
