Inter-2: какие сигналы замечает модель Interhuman AI — и чего она не может доказать

Interhuman AI разрабатывает для ИИ так называемый слой социальной аналитики: он должен помогать системам учитывать не только сказанные слова, но и то, как человек их произносит. По описаниям компании и публикациям, модель Inter-2 анализирует социальные сигналы в реальном времени, используя текст, аудио и видео. Такие результаты стоит понимать как оценку наблюдаемого поведения, а не как достоверное знание о мыслях или чувствах человека. 25

Какие сигналы распознаёт Inter-2

Согласно описанию модели, Inter-2 определяет 10 сигналов: согласие, несогласие, скептицизм, уверенность, колебание, раздражение, интерес, неуверенность, замешательство и стресс. Кроме того, модель оценивает общую вовлечённость собеседника. 18

Замысел — сопоставлять слова с другими признаками общения: интонацией, выражением лица и языком тела. Tech.eu пишет, что Inter-2 анализирует текст, аудио и видео; в карточке модели указано распознавание сигналов по видео со звуком. Публичные описания подтверждают мультимодальный подход, но не объясняют в деталях, как именно каждый тип данных используется во всех вариантах продукта. 2518

Зачем компании такой «социальный слой»

Interhuman AI основана в Копенгагене в 2023 году. Среди сооснователей — Паула Петку, Фредерик Салли и Лине Клемменсен. 179

Компания исходит из того, что одной расшифровки разговора ИИ может быть недостаточно, чтобы ответить уместно. Например, признаки замешательства или потери интереса могли бы помочь разговорному ассистенту подстроить взаимодействие. Tech.eu описывает подход Interhuman как дополнение к большим языковым моделям анализом аудио и видео. 2

Пока это цель продукта, а не доказательство того, что модель надёжно определяет намерения человека в любой ситуации. Пауза, выражение лица или изменение интонации могут объясняться по-разному. Поэтому отдельный сигнал нельзя считать диагнозом или универсальной трактовкой поведения.

Возможные применения и границы имеющихся данных

Interhuman называет среди возможных применений разговорный ИИ и подготовку к интервью. На сайте компании описана тренировка для пробных собеседований с обратной связью о манере подачи, а материал о проведении исследовательских интервью рассказывает, как сигналы можно привязывать к соответствующим фрагментам ответа. Этот пример относится к более ранней модели Inter-1 и не доказывает, что все такие функции доступны в Inter-2. 524

Эти сценарии показывают, как анализ социальных сигналов может быть полезен для тренировки или изучения интервью. Но сами по себе они не подтверждают точность модели для разных людей, культур и обстоятельств. Открытых данных недостаточно, чтобы независимо оценить её качество в таких условиях.

Прослеживаемость, приватность и риск неправильного применения

Interhuman сообщает, что её более ранняя модель Inter-1 может объяснять, какие поведенческие признаки повлияли на оценку. Компания также описывает привязку сигналов к конкретным фразам в ответах на интервью. Это может сделать результаты понятнее, если такие функции доступны, однако источники не подтверждают, что все оценки Inter-2 сопровождаются теми же объяснениями и привязками. 2524

В условиях использования компании некоторые сценарии обозначены как ограниченные. В их числе — распознавание эмоций человека на рабочем месте или в образовательных учреждениях. При этом доступные материалы не дают достаточно сведений о сроках хранения данных, процедурах получения согласия и практическом контроле за соблюдением ограничений. 19

Эти вопросы важны, поскольку технология анализирует лица, голоса и содержание разговоров. Социальные сигналы можно истолковать неверно или использовать для наблюдения; имеющиеся данные не позволяют установить, как именно меры защиты Interhuman учитывают все такие риски.

Что известно о дальнейших планах

Публикации и материалы компании описывают нынешний мультимодальный подход Inter-2, но не подтверждают сроки или конкретные технические планы по анализу только голоса, работе с разговорами нескольких людей, выпуску следующих моделей или расширению за пределы Европы. Пока это открытые вопросы, а не объявленные функции или даты. 25