Tuib dkk. (2024) menggunakan convolutional neural network (CNN) dan algoritma binary moth flame optimization (BMFO) untuk mendeteksi emosi dari sinyal electroencephalogram (EEG). Tujuan utamanya adalah mengembangkan sistem yang kuat dan akurat untuk tujuan tersebut. CNN digunakan untuk memproses sinyal EEG karena kemampuannya dalam mempelajari pola dan fitur spasial, sedangkan BMFO digunakan untuk mengoptimalkan hiperparameter CNN. Penelitian ini menggunakan dataset EEG yang tersedia untuk umum dan kinerja sistem dinilai menggunakan metrik seperti akurasi, presisi, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa sistem yang diusulkan mencapai akurasi yang tinggi dalam mendeteksi emosi dari sinyal EEG dan lebih efektif dibandingkan dengan metode lain yang ada. Dengan demikian, penelitian ini menyimpulkan bahwa penggunaan kombinasi CNN dan BMFO efektif dalam mendeteksi emosi dari sinyal EEG. Kini kecerdasan buatan dapat membaca emosi manusia sehingga perlu meningkatkan beberapa aspek diantaranya:
- Kesulitan dalam membaca emosi: emosi sangat sulit dibaca karena bergantung pada konteks. Meskipun AI telah belajar mengenali wajah, mengidentifikasi keadaan emosi dari wajah seseorang dapat gagal menangkap informasi penting.
- Tantangan teknis: ada tantangan teknis yang signifikan dalam membaca emosi, terutama dalam mempertimbangkan konteks untuk menyimpulkan emosi. Karena AI dapat memberikan hasil yang salah, penggunaan sistem yang tidak akurat dalam membuat keputusan dapat membuat pengguna menjadi jauh lebih buruk.
- Kepercayaan yang salah: manusia cenderung lebih mempercayai sistem AI ketimbang figur otoritas lainnya. Ini dapat menyebabkan penggunaan sistem yang tidak akurat dalam pengambilan keputusan, yang perlu diwaspadai.
- Pertimbangan etika dan sosial: kita perlu mempertimbangkan sisi keadilan, akuntabilitas, transparansi, dan etika sistem AI dalam proses perancangan dan penerapannya. Kita juga harus selalu menempatkan manusia sebagai pembuat keputusan akhir.
Oleh karena itu, waspada diperlukan untuk memastikan penggunaan AI dalam membaca emosi manusia dilakukan dengan benar dan etis, menghindari penggunaan sistem yang tidak akurat dan mempertahankan peran manusia dalam pengambilan keputusan.
Referensi:
Heckman, C. (2020, January 20). Kini kecerdasan buatan AI dapat membaca emosi manusia, mengapa kita perlu waspada? The Conversation. https://theconversation.com/kini-kecerdasan-buatan-ai-dapat-membaca-emosi-manusia-mengapa-kita-perlu-waspada-129986
Tuib, T. A., Saoudi, B. H., Hussein, Y. M., Mandeel, T. H., & Al-Dhief, F. T. (2024). Convolutional neural network with binary moth flame optimization for emotion detection in electroencephalogram. IAES International Journal of Artificial Intelligence (IJ-AI), 13(1), 1172–1178. https://ijai.iaescore.com/index.php/IJAI/article/view/22725/13920
Redaksi: I. Busthomi