Принято считать, что забавные челленджи в социальных сетях создаются исключительно ради просмотров и развлечения аудитории. Но внезапная популярность формата, где авторы повторяют одну фразу с разными интонациями, выглядит слишком удобной для технологических гигантов. Сейчас генеративные модели часто выдают откровенно пластиковые эмоции — они способны правдоподобно изобразить базовую злость или радость, но полностью проваливаются на сложных состояниях вроде замешательства, разочарования или флирта. Чтобы алгоритмы научились понимать нюансы, им нужны специфические датасеты, где одно и то же текстовое условие отыгрывается с разным настроением.

Именно такие размеченные данные сейчас бесплатно поставляют тысячи пользователей по всему миру. Компании, разрабатывающие софт для колл-центров и корпоративного мониторинга, получают готовую базу для обучения ИИ распознаванию речи и сентимент-анализу. Правда, практическая польза этого массива информации вызывает резонные сомнения. Специфика платформ поощряет утрированную, гротескную подачу ради комического эффекта. Алгоритм, впитавший в себя наигранный сарказм из коротких видео, вряд ли сможет адекватно считывать тонкие эмоциональные реакции людей в повседневной жизни.

Подобный скрытый краудсорсинг давно стал привычным инструментом для индустрии. Ранее массовые флешмобы с публикацией старых фотографий или генерацией снимков с собой из прошлого точно так же помогали обучать системы распознавания лиц на возрастных изменениях. Вопрос лишь в том, насколько безопасно использовать искаженные социальными сетями эмоции для создания инструментов слежения, которые в будущем начнут оценивать нашу вовлеченность на рабочих местах.