A indústria multibilionária de detecção de emoções
Com certeza você já ouviu falar de algoritmos de reconhecimento facial, mas talvez você não conheça as tecnologias de reconhecimento de emoções, ou ERTs, que estão cada vez mais presentes em nossas vidas e movimentam bilhões de dólares. É difícil saber exatamente a extensão dessas aplicações, pois muitas vezes se alega segredo industrial. Uma forma de contornar este problema é fazer uma análise das patentes que são registradas de maneira pública. A pesquisadora Débora Machado da UFABC fez uma análise das patentes do Facebook e descobriu que algumas delas usavam sistemas de reconhecimento de emoções.
“Durante um mês, a Pública analisou algumas patentes sobre modulação de comportamento e adaptação do conteúdo apresentado no feed de notícias para entender como as tecnologias do Facebook podem detectar as emoções dos usuários e o que elas podem fazer com essas informações. A reportagem descobriu 130 invenções da Facebook Inc. com a palavra “emotion” e/ou “feeling” (emoção e sentimento, respectivamente) – uma parcela pequena do total de 3.081 patentes efetivamente registradas desde sua criação, em 2004. O levantamento revelou que 65% (85) das patentes que tratam de emoções foram registradas a partir de 2015, quando a plataforma patenteou a tecnologia da ferramenta “Reactions”, aquelas “carinhas” que demonstram sua reação a um texto – sinal de que desde então o interesse da plataforma por reações emocionais só aumentou.” Fonte: https://apublica.org/2019/07/como-o-facebook-esta-patenteando-as-suas-emocoes/
Existem várias formas de inferir a emoção de um usuário. Através de reconhecimento de voz, análise das palavras utilizadas em texto ou áudio, a forma como ele navega pelo feed de notícias, mas a mais comum é a análise de expressões faciais através da câmera frontal do celular. O objetivo de fazer essa detecção é a intenção de controlar e manipular o comportamento humano. Se uma rede social perceber que a pessoa está entediada, ela pode fornecer outro tipo de conteúdo. Se um aplicativo de comida perceber que a pessoa arregalou os olhos para aquele doce, ele pode te oferecer um desconto para aquele sorvete de sobremesa. Ele também pode ser usado como feedback para anúncios ou para descobrir quando a pessoa está mais suscetível a propagandas.
Na verdade, fazer análise de expressões faciais é um problema razoavelmente simples para os algoritmos de Machine Learning aplicados a visão computacional. Eles são os mesmos usados para fazer reconhecimento facial ou reconhecimento de placas de trânsito por carros autônomos, mas com um treinamento diferente. A plataforma Kaggle tem uma base de dados de expressões faciais, caso você queira desenvolver o seu próprio algoritmo. Se você quiser entender mais sobre os algoritmos de Machine Learning você pode fazer o curso do professor Diego Bruno aqui na DIO. Eu fiz e recomendo.
Mas esses algoritmos não erram? Sim. Erram muito. Loucamente. Mas ninguém está muito preocupado com isso na hora de te recomendar um sorvete, um livro ou um post na rede social. Além disso há evidências de que esses algoritmos possuem viés de raça. Pessoas negras tendem a ser classificadas como mais irritadas em todos os cenários.
Outro problema é que a expressão facial é somente uma proxy para o seu sentimento. Na maioria das vezes são usadas somente sete classificações: neutro, alegria, tristeza, medo, surpresa, desgosto (disgust) e anger (raiva), mas as emoções humanas são muito mais complexas, dúbias e ambivalentes.
A maioria das vezes eles são usados em sistemas de marketing digital, mas eles também são usados pela polícia, em entrevistas de emprego, no aeroporto para identificar suspeitos, em aplicativos de educação para saber se o aluno está aprendendo ou em controles de fronteiras.
Como não existe regulação de Machine Learning e a LGPD não proíbe esse tipo de coleta de dados, qualquer aplicativo do seu celular com acesso à sua câmera pode estar rodando algoritmos de detecção de emoções. O site abaixo explica melhor este problema, e ainda permite que você experimente esses algoritmos pela câmera do seu celular ou computador:
