AI leest menselijke emoties. Zou het?

AI kan uw emotionele reactie op advertenties en uw gezichtsuitdrukkingen lezen in een sollicitatiegesprek. Maar als het dit allemaal al kan, wat gebeurt er dan? In deel twee van een serie over emotie-AI onderzoeken Jennifer Strong en het team van MIT Technology Review de implicaties van hoe het wordt gebruikt en waar het in de toekomst naartoe gaat.

We ontmoeten:

• Shruti Sharma, VSCO
• Gabi Zijderveld, Affectiva
• Tim van Goethem, Harman
• Rohit Prasad, Amazone
• Meredith Whittaker, NYU's AI Now Institute

Credits:

Deze aflevering werd gerapporteerd en geproduceerd door Jennifer Strong, Karen Hao, Tate Ryan-Mosley en Emma Cillekens. We hadden hulp van Benji Rosen. We worden geredigeerd door Michael Reilly en Gideon Lichfield.

Transcript van de volledige aflevering:

Jennifer Strong : In dit tijdperk van Covd-19 worden zoveel van de relaties en ervaringen die we ooit persoonlijk genoten nu gemedieerd door technologie. Of je nu vanuit huis werkt, kinderen helpt opvoeden vanuit je eigen muren, of zoals zovelen van ons beide doet, een nieuwe constante die waarschijnlijk niet verdwijnt, is het videogesprek. Of je nu in een Zoom-kamer, Google Meet of iets anders bent, de realiteit is dat het hier waarschijnlijk zal blijven, zelfs nadat dit huidige moment voorbij is. En er is iets aan deze ervaring dat afstandelijk en losgekoppeld aanvoelt. Alsof je door een filter communiceert. Eenvoudige gesprekken onderbroken door internetstoringen of verloren in vertaling. Wat als deze technologie zou kunnen worden gebruikt om interacties te verbeteren in plaats van ze te dempen? Wat als het zou kunnen reageren op uw lichaamstaal, uw vocale intonaties, om u te helpen meer dan alleen woorden over te brengen? Het is iets waarop Affectiva-oprichter Rana el Kaliouby zinspeelde toen we spraken voor onze laatste aflevering.

Rana el Kaliouby : Waar ik presenteer om bijvoorbeeld honderd mensen op afstand te noemen, als het een echt live-evenement zou zijn, zou ik de energie van de mensen in de kamer afblazen en dat kan ik niet online doen. En het is, het is echt pijnlijk en ik haat het. [lacht] Dus ik blijf me een realtime grafiek voorstellen van het niveau van betrokkenheid, het niveau van lachen, misschien zoiets als een emoji-stream of iets dat mensen gewoon een idee geeft van deze gedeelde ervaring.

Jennifer Strong : Haar bedrijf en vele anderen haasten zich om aan dit soort mogelijkheden te werken, maar veel van de technologie die dergelijke dingen mogelijk zou maken, wordt al vaak op onverwachte manieren gebruikt. Bijvoorbeeld om gezichtsuitdrukkingen te meten bij mensen die een beroerte hebben gehad.

Gabi Zijderveld : Daar hangt veel sociaal stigma aan vast omdat mensen denken dat deze mensen boos kijken of boos kijken, maar ze hebben een beroerte gehad en kunnen niet lachen. Gewoonlijk meten chirurgen of hun heropbouw van de glimlach al dan niet succesvol is door hun patiënten te kietelen en dan beginnen ze te lachen en zouden ze een liniaal gebruiken en millimeterbewegingen meten.

Jennifer Strong : En een chirurg vond die methode belachelijk.

Gabi Zijderveld : Dus, met behulp van onze emotie-AI, bouwde hij een softwaresysteem om te benchmarken en te meten hoe succesvol hij is, en de glimlach van patiënten opnieuw op te bouwen.

Jennifer Strong: Ik ben Jennifer Strong en in deel twee van onze serie over emotie-AI kijken we hoe het al wordt toegepast en waar dat ons in de toekomst zou kunnen leiden.

[Toon ID]

Shruti Sharma : Ok, dus ik ga mijn scherm hier delen. Laat het me weten als je het kunt zien.

Jennifer Strong : Shruti Sharma is de senior engineering manager voor machine learning bij de foto-app VSCO.

Shruti Sharma : En dus zie je deze oranje jaloezieën in een donkerzwart ogende kamer. En de afbeeldingen die gerelateerd zijn die verschijnen, zijn in wezen een soort van dit mysterieuze spel van licht en duisternis en licht en schaduw.

Jennifer Strong : Deze foto's zijn gekozen door Ava, een AI die afbeeldingen beoordeelt en categoriseert op stemming en emotie. Een soort sortering die vroeger door mensen werd gedaan. En we hebben het niet over strandlandschappen die in dezelfde stapel vallen, of een hele reeks kattenfoto's bij elkaar gegroepeerd. Dit ligt veel genuanceerder. Ik had dit niet verwacht. Het is niet alleen dezelfde kleurtint, het roept echt hetzelfde soort gevoel op van foto tot foto.

Shruti Sharma : Dus voor ons is het doel van het herkennen van de stemming en het gevoel of de emotie in een foto in wezen om die essentie vast te leggen die anders alleen een mens zou kunnen zien. Onze machine learning-technologie, Ava, kijkt niet alleen naar de inhoud van de foto, maar ook naar attributen die heel specifiek zijn voor fotografie en die bijdragen aan deze gevoelens en emoties die een foto bij mensen produceert... zaken als compositie, opnamestijl , stijlvol.

Jennifer Strong : Deze app is een creatief platform voor fotografen.

Shruti Sharma : Het feit dat al deze afbeeldingen het gevoel hebben dat er hier meer gebeurt dan wat we op de foto zien. Het is moeilijk om volledig te zeggen wat er aan de hand is, en er is een soort mysterie dat hier wordt opgeroepen. Het is een heel persoonlijk gevoel dat foto's oproepen en voor een machine die afbeeldingen op basis daarvan kan matchen, wordt ik bijna blij. [lachen]

Jennifer Strong : In tegenstelling tot andere toepassingen van deze technologie, is de inzet hier vrij laag als de AI een categorie of classificatie mist.

Shruti Sharma : Dat vind ik ook het mooie ervan. Rechts? Is het alsof de machine daadwerkelijk een fout maakt of geeft het je gewoon een ander perspectief? En ik denk dat het soms een beetje van beide is.

Jennifer Strong : Maar het sorteren van foto's is slechts het topje van de ijsberg.

Gabi Zijderveld : Dus, als je daar op zou kunnen klikken...

Karen Hao : OK.

Gabi Zijderveld : En het is het beste als je rijdt, want dan kun je de demo uitproberen.

Jennifer Strong : Gabi Zijderveld is de chief marketing officer bij Affectiva. Ze leidt mijn collega, Karen Hao, senior AI-reporter van Tech Review, door een demonstratie van een van hun producten die emoties kunnen lezen.

Gabi Zijderveld : Dit is dus eigenlijk een vereenvoudigde versie van hoe onze technologie zou worden ingezet in media-analyse en specifiek in het testen van advertenties. Het geeft je min of meer een idee van hoe we dit doen en wat voor dingen we kunnen meten. Dus, zoals je kunt zien, hebben we een paar verschillende advertenties of video's, vooraf geladen, en dan kun je er gewoon een uitkiezen die er voor jou uitspringt.

Karen Hao : Drukken op afspelen...

Gabi Zijderveld : Dus terwijl u deze advertentie bekijkt, zoals u kunt zien, meten we uw reacties erop.

Karen Hao : [Hoorbare lach]

Jennifer Strong : Ze kijkt naar een grappig YouTube-filmpje waarin onder meer twee kinderen en de taken van een werkende moeder een nieuwsprogramma onderbreken. Het is een parodie van het virale BBC-interview - je kent het wel - waarin een schattig klein meisje het kantoor van haar vader binnen walst.

Gabi Zijderveld : Dus in deze demo hebben we je om toestemming gevraagd om je webcamera aan te zetten. En toen je de video begon af te spelen, eigenlijk frame voor frame, meette onze AI je reacties en je reacties op wat je in deze advertentie zag. Aan de linkerkant van de demo zie je al deze verschillende statistieken, zoals expressiviteit, aandacht, walging, glimlach ... het laat je zien of het benadrukt voor je waar je wenkbrauwrimpels had, wat mensen een soort van vragen of optrekken, hun wenkbrauwen optrekken als je wilt, letterlijk. Als u op een glimlachcurve klikt, kan dat interessant zijn... een glimlach betekent niet altijd dat u van iets geniet, maar hier kennen we de context, we weten dat dit een humoristische advertentie is en we kunnen aan uw curve dat je veel lachte. Deze video had dus duidelijk het beoogde effect op jou. En als je dan op overzicht van weergaven klikt, is het ook best cool. Hiermee worden je gegevens vergeleken met alle anderen die deze video hebben bekeken.

Karen Hao : Wauw. Ik denk dat ik veel expressiever was dan de gemiddelde persoon.

Gabi Zijderveld : Ja, ja, precies. Ook je glimlach was veel hoger. Het is duidelijk dat je deze video veel beter vond dan het gemiddelde.

Jennifer Strong : Wat ze hier laten zien, leest emotie en splitst het op in gegevens voor adverteerders en reclamebureaus.

Gabi Zijderveld : Die gegevens zijn weer een heel belangrijk inzicht, omdat het hen in feite helpt te bepalen hoe effectief hun advertenties zijn en waar ze hun media-uitgaven aan kwijt kunnen.

Jennifer Strong : Ze zegt dat ze zo'n honderd tests nodig hebben om genoeg gegevens te krijgen voor een effectieve vergelijking. Affectiva heeft deze emotie-AI-technologie over de hele wereld ingezet bij klanten als Disney, Coca Cola, Kelloggs, Samsung en Google.

Gabi Zijderveld : Ongeveer 28% van het fortuin van 500 wereldwijde bedrijven gebruiken onze technologie. Ad age heeft een lijst met 's werelds grootste adverteerders en 70% van hen gebruikt onze technologie. We hebben in de loop der jaren meer dan 52.000 advertenties in 90 landen getest. Er wordt dus veel onderzoek gedaan. Laten we zeggen dat iemand een bieradvertentie in het VK test, en dat hij de prestaties van zijn bieradvertentie wil vergelijken met andere bieradvertenties in het VK, of misschien een bieradvertentie in de VS, dan kunnen ze dat doen omdat we zoveel gegevens hebben dat soort biedt deze normen.

Jennifer Strong : En na 10 jaar van het verfijnen van emotie-AI in media-analyse… Affectiva begeeft zich nu in de entertainmentindustrie.

Gabi Zijderveld : We hebben bijvoorbeeld al een aantal onderzoeken gedaan waarbij het er echt om gaat te begrijpen hoe het publiek zich engageert en, als je wilt, bijna een band opbouwt met bepaalde personages in tv-programma's. Ze introduceren nieuwe personages. Soms blijven die karakters hangen en houdt het publiek van ze. Soms doen ze dat niet. Daar doen ze dus veel onderzoek naar. En natuurlijk proberen ze te voorspellen wat voor soort van de succesvolle formule zal zijn en dat vroeg doen kan hen veel geld besparen, in die gevallen is het duur om het mis te hebben. We hebben ook filmtrailers getest die op zich een soort advertentie-inhoud zijn.

Jennifer Strong : Maar het is de auto-industrie waar Affectiva en vele andere bedrijven zich speciaal op richten.

Gabi Zijderveld : Dus afgezien van de veiligheidstoepassing door inzicht te krijgen in de beperking van de bestuurder, wat in feite een bestuurdersbewakingssysteem is, is er ook een andere toepasbaarheid, want op het moment dat u begrijpt wat er met de passagiers op de achterbank gebeurt, zijn er tal van andere interessante dingen die u kunt doen. Je kunt de omgeving in principe aanpassen aan de toestand van de persoon op dat moment. Dus misschien is er in de toekomst iemand onderweg naar een werkvergadering. Uw voertuig begrijpt dat misschien omdat alle verschillende systemen met elkaar verbonden zijn. Misschien kan je in je agenda kijken als je daar toestemming voor geeft. En als je op weg bent naar een vergadering, wil je misschien geen muziek. Misschien wil je geen video achterin zien. Misschien wilt u wel de juiste verlichting in uw regio van de auto. Misschien heeft u uw stoel op een bepaalde manier nodig. Het kan ook gaan om het verbeteren van de ervaring, toch? Het leuker en plezieriger of meer herstellend maken.

Jennifer Strong : Het is nog niet op de markt, maar ze zegt dat ze elementen van emotie-AI in auto's hebben getest, waaronder deze:

Gabi Zijderveld : Er was zelfs een aantal jaren geleden een onderzoeksproject dat we met Porsche deden, waarbij we onze technologie in feite lieten beoordelen hoe mensen reageerden op muziek die in het voertuig werd gespeeld. En als ze de muziek leuk vonden, zou het in feite aanbevelingen aanpassen op basis van de reacties van mensen en het op die manier personaliseren.

Jennifer Strong : Ze schat dat het 2 tot 4 jaar zal duren voordat dit type technologie op de weg is.

Een andere groep die aan dit soort emotie-AI voor voertuigen werkt, is Harman, een bedrijf dat eigendom is van Samsung.

Tim van Goethem : We bouwen deze algoritmen die een camerabeeld van een op het dashboard gemonteerde camera kunnen gebruiken en we bouwen de software die naar uw ogen of andere gelaatstrekken kan kijken en de toestand van de bestuurder kan afleiden.

Jennifer Strong : Dat is Tim VanGoethem, het hoofd van geavanceerde mobiliteit van het bedrijf.

Tim van Goethem : Dus we kunnen dingen doen zoals je hartslag begrijpen, gewoon door te kijken hoe de pigmentatie van je huid verandert elke keer dat je hart klopt. We kunnen kijken naar kenmerken van hoe je ogen bewegen en op basis daarvan kunnen we dat correleren met of je afgeleid bent, of je slaperig bent, of je gestrest bent of je geest niet gefocust lijkt te zijn... En dus begrijpen we hoe je dat zinvol kunt maken. Als je moe bent, kunnen we dan eenvoudige aanpassingen doen in de cabinetemperatuur? Kunnen we de zitpositie subtiel veranderen? Kies een mix van muziek die misschien iets meer uptempo is dan waar je momenteel naar luistert. Het kan dus de combinatie zijn van enkele zeer eenvoudige aanpassingen aan enkele zeer grote stappen, afhankelijk van wat we kunnen afleiden dat uw toestand is

Jennifer Strong : Dus hoeveel verder zouden bedrijven als deze de technologie kunnen brengen?

Tim van Goethem : Waar dat in de toekomst naartoe zou kunnen gaan, is interfacing met wearables die je in de auto meeneemt. Veel mensen houden van hun smartwatches en vaak hebben die smartwatches ook een fitness- of wellnessfunctie. Dus de auto zou in de toekomst informatie van die wearables kunnen binnenhalen. Dus in plaats van te proberen een camera te gebruiken om je hartslag af te leiden of af te leiden, zouden we de sensor van de smartwatch zelf kunnen gebruiken. En dan zou de smartwatch met toestemming van de gebruiker die informatie met de auto kunnen delen. En dan is het duidelijk dat het een nauwkeuriger signaal kan zijn. De stap verder is dat we ook nog grotere ecosystemen kunnen aanboren. Dus als de auto en de algoritmen in de auto bijvoorbeeld wisten dat je een slechte nachtrust had gehad voordat je in de auto stapte, zouden we een aantal eerdere beslissingen kunnen nemen in de wetenschap dat je al mogelijk moe in de auto stapt.

Jennifer Strong : De komende 2 tot 5 jaar zal hij proberen deze vraag te beantwoorden.

Tim van Goethem : Hoe lost de auto niet alleen problemen op voor mensen terwijl ze in hun auto zitten, maar hoe kunnen ze aansluiten op deze grotere ecosystemen? En ik denk dat dat in de loop van de tijd zal evolueren naarmate mensen de relatie begrijpen van hoe mijn leven buiten de auto en mijn leven in de auto op natuurlijke wijze in elkaar overlopen.

Jennifer Strong : Hoe comfortabel zullen bestuurders hun auto laten om hun emoties te lezen en te reageren en zelfs verbinding te maken met hun leven buiten het voertuig? Welnu, we laten machines dit al doen in onze meest intieme ruimtes ... in ons huis.

Rohit Prasad : Net zoals we dat als mensen doen, koesteren we interacties met mensen die nederig, behulpzaam, herkenbaar en betrouwbaar zijn. En natuurlijk wil je ook een soort plezier in de persoonlijkheid, zodat je heel boeiend kunt zijn.

Jennifer Strong : Rohit Prasad is de hoofdwetenschapper achter Alexa van Amazon. Toen de stemassistent zes jaar geleden werd uitgebracht, vertegenwoordigde hij het begin van een nieuw soort relatie met persoonlijke technologie. Om het te laten werken, wist hij dat ze een persoonlijkheid moesten creëren die voor verschillende mensen in verschillende ruimtes zou werken.

Rohit Prasad : Wij geloven dat vertrouwen niet alleen gewonnen wordt door hoe je klinkt, maar ook door wat je zegt en wat je doet. We wilden dat mensen zoals wij comfortabel konden praten met een AI in hun huis... En onze huizen zijn een gemeenschappelijke omgeving. Het is niet alleen een persoonlijk apparaat zoals uw smartphone. En in die setting gaat Alexa communiceren met mij, mijn vrouw, mijn kinderen. Rechts? Dus nu moet je de stem voor al deze omgevingen laten werken.

Jennifer Strong : Ze wisten dat het cultiveren van vertrouwen bij gebruikers ook zou afhangen van het vermogen van Alexa om de emoties van mensen te herkennen en erop te reageren.

Rohit Prasad : Wanneer klanten blij of opgewonden zijn, moet Alexa dat gedrag nabootsen. En als de klant teleurgesteld is, moet Alexa een meer empathische toon aanslaan.

Jennifer Strong : Tegenwoordig kan Alexa een aantal basisfuncties uitvoeren.

Rohit Prasad : Dus sommige van de emotionele reacties die je kunt zien, zijn wanneer je naar je favoriete sportteam vraagt ​​en als ze hebben gewonnen, zal Alexa gemoedelijker reageren.

Jennifer Strong : Bovendien blijft Amazon werken aan zijn luistervaardigheden.

Rohit Prasad : Dus kan Alexa je vocale frustratie voelen en haar reacties op jou veranderen? Zodat Alexa je vocale frustratie oppikt en haar reacties op de juiste manier aanpast om je te geven wat je als klant nodig hebt, in plaats van je alleen maar meer te frustreren door hetzelfde antwoord te geven.

Jennifer Strong : En Alexa kan al een versie van het spiegelen van zijn gebruiker doen:

Alexa-opname : Laat me je een geheim vertellen. Ik kan fluisteren.

Rohit Prasad : Dit is wat we een fluistermodus noemen. Dit gebeurde toen een van mijn eerdere bazen bij Alexa thuiskwam. Hij fluisterde tegen Alexa en Alexa reageerde en maakte zijn vrouw wakker.

Jennifer Strong : Hij zegt dat het hen inspireerde om Alexa te leren fluisteren, want als je tegen een mens fluistert, fluistert die persoon meestal terug. Ze leren het ook om als een expert te antwoorden, en wanneer te weten dat dat niet het geval is. Hij zegt dat het afhangt van het soort vragen.

Rohit Prasad : In bepaalde omgevingen, wanneer het zeer gevoelige onderwerpen zijn die u met een metgezel kunt delen, maar Alexa er misschien niet de expert in is, bijvoorbeeld geestelijke gezondheid. Of andere gezondheidsproblemen. Daar denk ik dat ons leidende principe is om altijd de deskundige hulp in die instellingen te krijgen en ik denk dat, hoewel je het als een metgezel deelt, er op dat moment een enorme verantwoordelijkheid is voor de AI.

Jennifer Strong : Als Alexa zijn gebruikers leert kennen, kan het een steeds grotere rol gaan spelen in hun leven.

Rohit Prasad : Ik denk dat die relatie steeds meer groeit van assistent naar adviseur en zelfs metgezel voor mensen. En we zien dat gebeuren in de tijd van vandaag. En ik denk dat naarmate je met Alexa groeit, de relatie evolueert.

Jennifer Strong : Maar hij waarschuwt:

Rohit Prasad : Dit zijn nog vroege dagen en we zullen doorgaan met het onderzoek om erachter te komen wat de beste emotionele reactie of stilistische reactie is op basis van de input van de klant. Maar ik wil er gewoon zeker van zijn dat we op dezelfde lijn zitten dat het een behoorlijk moeilijk probleem is, omdat je niet wilt dat fouten worden versterkt en klanten het vertrouwen in Alexa verliezen. In feite wil je meer betrouwbare actie, wat betekent dat het waarschijnlijk oké is om in bepaalde situaties neutralere reacties te hebben. En daar zijn we nu ook mee bezig.

Jennifer Strong : Emotion AI kan onze interacties met technologie verbeteren, maar afhankelijk van hoe het wordt gebruikt, kan het ook echte schade aanrichten. We zullen daar direct na de pauze enkele voorbeelden van bekijken.

[midroll-advertentie]

Jennifer Strong : De pandemie heeft een piek gezien in het gebruik van digitale programma's die toezicht houden op schoolexamens. Deze producten gebruiken het volgen en herkennen van gedrag om studenten via hun laptops te bekijken en te zoeken naar tekenen van bedrog. The New York Times sprak met een studente met een ticstoornis in het gezicht, en een recent afgestudeerde Afro-Latina-rechtenstudent die vier uur lang worstelde om de software haar gezicht te laten registreren. Deze problemen zijn ook opgedoken in interviewsoftware die vergelijkbare gezichts- en gedragstracking gebruikt om te helpen beslissen of u het waard bent om aangenomen te worden.

Meredith Whittaker : Het idee dat de toegang van mensen tot banen en kansen wordt gevormd door wat kan worden beschouwd als soort stereotypen en veronderstellingen over hoe ze eruitzien, hoe ze handelen, of ze spreken op een manier die evenredig is met een of ander succesmodel, is ongelooflijk verontrustend.

Jennifer Strong : Meredith Whittaker is de mede-oprichter van het AI Now Institute aan de NYU.

Meredith Whittaker : En we bestuderen de sociale implicaties van kunstmatige intelligentie.

Jennifer Strong : Naast het labelen van emoties, zegt ze dat dit echt gaat over het interpreteren van de waarde van die emoties en het automatiseren van beslissingen met die informatie.

Meredith Whittaker : Dit gaat over de macht van bedrijven en de manier waarop deze bedrijven technologieën produceren die fantastische claims maken die bijna altijd verborgen zijn achter sluiers van handelsgeheim. Ze zijn niet gecontroleerd. Ze zijn niet onderzocht. We zien technologie die beweert het innerlijke karakter van mensen, hun competentie, hun gevoelens te kunnen detecteren, die wordt ingezet om de besluitvorming in de klas te informeren, wie in te huren en wie te promoten. We zien het toegepast worden in het strafrechtsysteem - op plaatsen die echt het leven van mensen en de toegang tot kansen vormgeven. En aangezien er geen wetenschappelijke consensus bestaat over de doeltreffendheid van het automatiseren van dit soort claims, vonden we het tijd om te pleiten voor een verbod op het gebruik van deze technologieën in deze domeinen.

Jennifer Strong : En ze zegt dat wat misschien wel het meest verontrustend is, is hoe vaak deze technologieën worden gebruikt zonder dat de mensen die eraan worden onderworpen, enig idee of toevlucht hebben.

Meredith Whittaker : Het is heel moeilijk om te weten of ik, als ik niet ben aangenomen voor een baan en ik werd geïnterviewd door HireVu, het was omdat de software bevooroordeeld is of omdat ik de baan toch niet zou hebben gekregen. Rechts? Het is bijvoorbeeld moeilijk om uit een steekproef een conclusie te trekken. En de gegevens die ons in staat zouden stellen om een ​​patroon van discriminatie of schade of fouten of wat dan ook te detecteren, zijn niet in het publieke domein. De mensen die toegang hebben tot die gegevens zijn HireVu en welk bedrijf dan ook dat HireVu een licentie geeft om het voor interviews te gebruiken, toch? En geen van die bedrijven heeft er echt belang bij dat het publiek en wetgevers en advocaten die gegevens kunnen doorzoeken.

Jennifer Strong : En dus roept haar groep op tot een verbod op emotie-AI in gevoelige gebruikssituaties, waaronder toepassingen die misschien niet zo gevoelig lijken - zoals een pieptoon vanaf het dashboard van een auto wanneer hij denkt dat een bestuurder slaperig wordt.

Meredith Whittaker : We moeten hier een beetje achteruitgaan en kijken naar de machtsdynamiek hier, toch? Misschien is een auto die een beetje licht knippert als hij denkt dat je slaperig bent op basis van hoe je gezicht eruitziet, niet zo schadelijk. Maar wordt die informatie naar uw verzekeringsmaatschappij gestuurd? Wordt die informatie gebruikt om uw verzekeringstarieven vast te stellen of om uw fout te beoordelen als u een ongeluk krijgt? Voorkomt het dat Lyft- of Uber-chauffeurs zich aanmelden bij hun app? Wat zijn de toepassingen van deze gegevens?

Jennifer Strong : Wat ze zegt klinkt misschien overdreven voorzichtig, maar vorig jaar oordeelde de hoogste financiële toezichthouder van New York dat levensverzekeringsmaatschappijen in die staat premies kunnen vaststellen op basis van informatie van sociale media. Dus wat is om te voorkomen dat gegevens van auto's - of iets anders - in de toekomst worden gebruikt om uw verzekeringstarieven vast te stellen? Op dit moment op de meeste plaatsen niets.

Jennifer Strong : Deze aflevering is gerapporteerd en geproduceerd door mij en Karen Hao, Tate Ryan-Mosley en Emma Cillekens. We hadden hulp van Benji Rosen. We worden geredigeerd door Michael Reilly en Gideon Lichfield. Bedankt voor het luisteren, ik ben Jennifer Strong.

zich verstoppen