Attityd till ansiktsigenkänning : Vilken inställning har Twitter-användare till ansiktsigenkänning, och hur kan Twitter-data användas för att undersöka det?

Sammanfattning: Artificiell intelligens (AI) har tagit världen med storm de senaste åren där nya implementationer och uppfinningar ständigt tas fram och implementeras. Ansiktsigenkänning är en teknik inom AI som kan användas för att identifiera bland annat kriminella eller terrorister genom övervakningskameror, identifiera underåriga drickare och motverka identifikationsstöld. Problemet med ansiktsigenkänningstekniker är att det finns en brist på kunskap om människors attityd till ansiktsigenkänning. Samtidigt som utvecklingen av AI går i en rasande fart och användandet av AI ständigt ökar i samhället, hänger inte de etiska reflektionerna på användningen av AI med i den snabba tekniska utvecklingen av AI. Etiska reflektioner handlar om egenskaper, syften och tilliten till AI. Det vill säga, används ansiktsigenkänning på ett sätt som är allmänt accepterat av de som utsätts för tekniken. Detta är ett intressant ämne eftersom samhällen och världen befinner sig i denna utveckling just nu.    Denna studie har som syfte att försöka fylla bristen på kunskap om människors attityd till ansiktsigenkänning genom att analysera människors inställning till det. Studien som genomförs består av Twitter-data som ligger till grund för en sentimentanalys. En sentimentanalys består av en kombination av en kvalitativ och kvantitativ analys. Studiens resultat visar att inställningen till ansiktsigenkänning beror på kontexten eller situationen den används i och till vilket syfte. Enligt den Twitter-data som hämtades för denna studie, verkar inställningen till ansiktsigenkänning skilja sig mellan olika länder. Resultatet av denna studie har även likheter med tidigare studier som undersökt inställning till ansiktsigenkänning.   Studien avser att göra ett metodbidrag genom att processen för datahämtning samt dataanalys dokumenteras. I resultatet görs en granskning av attitydklassificeringen där verktyget som används för att avgöra inställning jämförs med vad två verkliga personer anser att inställningen i ett visst tweet är. Det visade att det fanns en stor skillnad mellan hur människorna i testet och verktyget som används klassificerade sentiment.