Original Title: Ethical considerations in emotion recognition technologies: a review of the literature
Source: hdl.handle.net
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការពិចារណាលើក្រមសីលធម៌នៅក្នុងបច្ចេកវិទ្យាសម្គាល់អារម្មណ៍៖ ការពិនិត្យឡើងវិញលើឯកសារស្រាវជ្រាវ

ចំណងជើងដើម៖ Ethical considerations in emotion recognition technologies: a review of the literature

អ្នកនិពន្ធ៖ Amelia Katirai (Osaka University)

ឆ្នាំបោះពុម្ព៖ 2023 (AI and Ethics)

វិស័យសិក្សា៖ Artificial Intelligence Ethics / Affective Computing

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយក្តីកង្វល់ផ្នែកក្រមសីលធម៌ដែលកំពុងកើនឡើងជុំវិញការពង្រីកខ្លួនយ៉ាងឆាប់រហ័សនៃបច្ចេកវិទ្យាសម្គាល់អារម្មណ៍ (ERT) នៅក្នុងវិស័យដូចជាការងារ ការអប់រំ និងប៉ូលិស ទោះបីជាខ្វះការឯកភាពគ្នាតាមបែបវិទ្យាសាស្ត្រលើភាពត្រឹមត្រូវនៃបច្ចេកវិទ្យានេះក៏ដោយ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានធ្វើឡើងតាមរយៈការពិនិត្យឡើងវិញនូវឯកសារស្រាវជ្រាវ (Structured Literature Review) ដើម្បីវិភាគ និងសំយោគបញ្ហាក្រមសីលធម៌ពីឯកសារចំនួន ៤៣។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Basic Emotions Model (Current Standard)
គំរូអារម្មណ៍មូលដ្ឋាន (ស្តង់ដារបច្ចុប្បន្ន)
ងាយស្រួលក្នុងការធ្វើស្វ័យប្រវត្តិកម្ម និងមានលក់យ៉ាងទូលំទូលាយក្នុងទីផ្សារពាណិជ្ជកម្មសម្រាប់វិស័យជ្រើសរើសបុគ្គលិក និងការផ្សាយពាណិជ្ជកម្ម។ ផ្អែកលើវិទ្យាសាស្ត្រមិនត្រឹមត្រូវ (Pseudoscience) មិនគិតពីបរិបទវប្បធម៌ និងមានភាពលំអៀងខ្ពស់ចំពោះជនជាតិដែលមិនមែនជាជនជាតិស្បែកស។ បង្កើតហានិភ័យនៃ 'ការរើសអើងដោយស្វ័យប្រវត្តិ' និងការបំពានលើសិទ្ធិឯកជនភាព (Mental Data)។
Ethical & Contextual Approach
អភិក្រមផ្អែកលើក្រមសីលធម៌ និងបរិបទ
ព្យាយាមកាត់បន្ថយភាពលំអៀងដោយដាក់បញ្ចូលទិន្នន័យចម្រុះ និងការពិចារណាលើបរិបទសង្គម និងវប្បធម៌។ ទាមទារការប្រមូលទិន្នន័យកាន់តែច្រើន (Multimodal sensing) ដែលអាចនាំឱ្យមានការរំលោភបំពានឯកជនភាពកាន់តែធ្ងន់ធ្ងរ។ នៅតែមានបញ្ហាប្រឈមខ្លាំង ហើយអ្នកស្រាវជ្រាវជាច្រើនស្នើឱ្យហាមឃាត់ការប្រើប្រាស់ក្នុងស្ថានភាពដែលមានហានិភ័យខ្ពស់។

ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះបានលើកឡើងពីការចំណាយមិនត្រឹមតែជាហិរញ្ញវត្ថុប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងប៉ះពាល់ដល់បរិស្ថាន និងសង្គមផងដែរ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះបង្ហាញថាបច្ចេកវិទ្យា ERT ភាគច្រើនត្រូវបានបង្វឹកលើទិន្នន័យពីប្រទេសលោកខាងលិច (WEIRD nations)។ នេះជាបញ្ហាធំសម្រាប់កម្ពុជា ព្រោះកាយវិការមុខ និងការបង្ហាញអារម្មណ៍របស់ប្រជាជនខ្មែរអាចខុសប្លែកពីទិន្នន័យដែល AI ធ្លាប់រៀន ដែលនាំឱ្យមានការបកស្រាយខុស និងការរើសអើង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ការរកឃើញនៅក្នុងឯកសារនេះមានសារៈសំខាន់ណាស់សម្រាប់កម្ពុជា ក្នុងនាមជាការព្រមានមុននឹងទទួលយកបច្ចេកវិទ្យានេះមកអនុវត្ត។

កម្ពុជាគួរតែពិចារណាបង្កើតក្របខ័ណ្ឌច្បាប់ការពារទិន្នន័យជីវមាត្រ (Biometric Data) ជាមុនសិន មុននឹងអនុញ្ញាតឱ្យប្រើប្រាស់បច្ចេកវិទ្យានេះយ៉ាងទូលំទូលាយ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាទ្រឹស្តីអារម្មណ៍ (Emotion Theory): ស្វែងយល់ពីអំណះអំណាងដែលថា 'អារម្មណ៍មិនអាចអានបានតាមរយៈផ្ទៃមុខ' ដោយអានការងាររបស់ Lisa Feldman Barrett ដូចជាសៀវភៅ 'How Emotions Are Made'។
  2. វិភាគច្បាប់ជាតិ (Legal Analysis): ពិនិត្យមើលច្បាប់ស្តីពីពាណិជ្ជកម្មអេឡិចត្រូនិក និងសេចក្តីព្រាងច្បាប់ការពារទិន្នន័យរបស់កម្ពុជា ថាតើមានការការពារសម្រាប់ 'ទិន្នន័យផ្លូវចិត្ត' (Mental Data) ដែរឬទេ។
  3. ការត្រួតពិនិត្យករណីសិក្សា (Case Monitoring): តាមដានមើលថាតើមានក្រុមហ៊ុនបច្ចេកវិទ្យាណាខ្លះកំពុងព្យាយាមលក់ប្រព័ន្ធ Smart City ឬប្រព័ន្ធ AI សម្រាប់សន្តិសុខ ដែលមានភ្ជាប់មុខងារសម្គាល់អារម្មណ៍នៅកម្ពុជា។
  4. ការតស៊ូមតិ (Advocacy): រៀបចំសិក្ខាសាលាដើម្បីផ្សព្វផ្សាយដល់អ្នកបង្កើតគោលនយោបាយអំពីហានិភ័យនៃ ERT ដោយប្រើប្រាស់គោលការណ៍ណែនាំពីឯកសារនេះ (ដូចជាតម្រូវការសម្រាប់តម្លាភាព និងការយល់ព្រម)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Emotion recognition technologies (ERT) គឺជាប្រព័ន្ធបច្ចេកវិទ្យាដែលប្រើប្រាស់បញ្ញាសិប្បនិម្មិត (AI) ដើម្បីវិភាគទិន្នន័យជីវមាត្រ (ដូចជាកាយវិការមុខ សំឡេង ឬចង្វាក់បេះដូង) ក្នុងគោលបំណងទស្សន៍ទាយ ឬកំណត់អារម្មណ៍របស់មនុស្ស។ ដូចជាការប្រើម៉ាស៊ីនថតដើម្បីទាយថាអ្នកកំពុងសប្បាយចិត្ត ឬកើតទុក្ខ ដោយគ្រាន់តែពិនិត្យមើលស្នាមញញឹមរបស់អ្នក។
Affective computing ជាវិស័យសិក្សាទូលំទូលាយមួយដែលផ្តោតលើការបង្កើតប្រព័ន្ធកុំព្យូទ័រដែលមានសមត្ថភាពសម្គាល់ បកស្រាយ ដំណើរការ និងធ្វើត្រាប់តាមអារម្មណ៍របស់មនុស្ស។ ដូចជាការបង្រៀនកុំព្យូទ័រឱ្យចេះយល់ចិត្តមនុស្ស (មាន EQ) មិនត្រឹមតែចេះគណនាលេខប៉ុណ្ណោះទេ។
Basic Emotions model គឺជាទ្រឹស្តីចិត្តវិទ្យាដែលជឿថាអារម្មណ៍របស់មនុស្សមានលក្ខណៈជាសកល និងអាចបែងចែកដាច់ពីគ្នាបាន (ដូចជា ខឹង ខ្លាច សប្បាយ) ដែលអាចមើលឃើញយ៉ាងច្បាស់តាមរយៈកាយវិការមុខ ដោយមិនគិតពីវប្បធម៌។ ដូចជាការសន្មតថាមនុស្សគ្រប់គ្នានៅលើពិភពលោកប្រើ "សញ្ញាអារម្មណ៍" (Emojis) ដូចៗគ្នាដើម្បីបង្ហាញអត្ថន័យតែមួយ។
Mental data សំដៅលើទិន្នន័យដែលអាចត្រូវបានប្រើដើម្បីកាត់យល់ ឬដឹងពីស្ថានភាពផ្លូវចិត្ត ការគិត និងអារម្មណ៍របស់បុគ្គលម្នាក់ ដែលត្រូវបានចាត់ទុកថាជាទិន្នន័យឯកជនបំផុត និងត្រូវការការការពារពិសេស។ ដូចជាការអានកំណត់ហេតុផ្ទាល់ខ្លួនរបស់អ្នកដទៃ ប៉ុន្តែតាមរយៈការវិភាគសញ្ញារាងកាយរបស់គេជំនួសឱ្យការអានអក្សរ។
Ethics washing គឺជាសកម្មភាពដែលក្រុមហ៊ុនបង្កើតគោលការណ៍ក្រមសីលធម៌គ្រាន់តែដើម្បីទីផ្សារ ឬដើម្បីគេចវេសពីការរឹតបន្តឹងផ្លូវច្បាប់ ប៉ុន្តែមិនបានអនុវត្តជាក់ស្តែងដើម្បីដោះស្រាយបញ្ហានោះទេ។ ដូចជាការលាបថ្នាំពណ៌ថ្មីលើផ្ទះដែលបាក់បែក ដើម្បីឱ្យមើលទៅស្អាតពីខាងក្រៅ ប៉ុន្តែមិនបានជួសជុលគ្រឹះខាងក្នុងដែលពុកផុយឡើយ។
Neo-Taylorism គឺជាទម្រង់ថ្មីនៃការគ្រប់គ្រងនៅកន្លែងធ្វើការ ដែលប្រើប្រាស់បច្ចេកវិទ្យាដើម្បីតាមដានសុខុមាលភាព និងអារម្មណ៍របស់បុគ្គលិកយ៉ាងតឹងរ៉ឹង ដើម្បីបង្កើនផលិតភាពការងារ។ ដូចជាការដំឡើងកាមេរ៉ាដើម្បីពិនិត្យមើលថាបុគ្គលិកញញឹមគ្រប់គ្រាន់ឬអត់ ដើម្បីឱ្យអតិថិជនពេញចិត្ត។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖