آیا هوش مصنوعی می تواند از نظر احساسی باهوش باشد؟

به گزارش علمی نیوز و به نقل از Psychology Today، یادگیری ماشینی هوش مصنوعی (AI) فناوری تشخیص گفتار و زبان را متحول کرده است. مطالعه جدیدی که توسط محققان وابسته به مؤسسه علوم و فناوری پیشرفته ژاپن (JAIST) و دانشگاه اوزاکا در IEEE Transactions on Affective Computing منتشر شده است، یادگیری ماشینی هوش مصنوعی حسگر احساسات انسان را با استفاده از داده های فیزیولوژیکی نشان می دهد.

هوش هیجانی یا بهره هیجانی (EQ)، به توانایی فرد در درک و مدیریت احساسات به منظور ایجاد روابط، حل تعارضات، مدیریت استرس و سایر فعالیت ها اشاره دارد. متخصصان یادگیری ماشینی هوش مصنوعی کاربردی در تلاشند تا ویژگی‌های بیشتر شبیه انسان مانند EQ را در زمینه‌هایی مانند چت ربات‌های هوش مصنوعی مکالمه‌ای، دستیاران مجازی و موارد دیگر برای خدمات مشتری، فروش و سایر عملکردها ادغام کنند.

طبق تحقیقات بازار متفقین، پیش‌بینی می‌شود که اندازه بازار جهانی هوش مصنوعی مکالمه‌ای تا سال 2030 به 32.6 میلیارد دلار برسد، با نرخ رشد مرکب سالانه 20 درصد طی سال‌های 2021-2030. هوش مصنوعی مکالمه ای به سرعت فراتر از تشخیص ساده مبتنی بر متن با استفاده از پردازش زبان طبیعی (NLP) و یادگیری ماشینی به سمت مدل های چندوجهی تر حرکت می کند.

تجزیه و تحلیل احساسات چندوجهی روشی برای شناسایی وضعیت روانی افراد با استفاده از سیستم های هوش مصنوعی بر اساس عواملی مانند حالت چهره، وضعیت بدن، لحن و گفتار است. تجزیه و تحلیل مبتنی بر متن را با ادغام سایر روش‌ها مانند داده‌های تصویر و صدا غنی می‌کند تا بینش غنی‌تری در مورد وضعیت احساسی کاربر ارائه دهد.

در مرز تجزیه و تحلیل احساسات چندوجهی، ترکیب داده های فیزیولوژیکی است. در علوم زیستی، هر چیزی که مربوط به بدن و سیستم های آن باشد را می توان فیزیولوژیک دانست.

در این مطالعه جدید، محققان ژاپنی به دنبال درک اثرات سیگنال های فیزیولوژیکی در تجزیه و تحلیل احساسات چندوجهی بودند. بر اساس انتشار اخیر JAIST، محققان داده‌های بیش از 2400 تبادل با 26 شرکت‌کننده را که با هوش مصنوعی مکالمه‌ای در تعامل بودند، تجزیه و تحلیل کردند.

محققان از مجموعه داده ای استفاده کردند که حاوی داده هایی از حالت چهره، تشخیص وضعیت بدن با پتانسیل پوست، حسگرهای رنگ صدا و تشخیص گفتار بود. آنها دریافتند که اطلاعات بیولوژیکی موثرتر از تشخیص صدا و چهره است.

محققان نوشتند: «نتایج ما نشان می‌دهد که ویژگی‌های فیزیولوژیکی در مدل تک‌وجهی مؤثر هستند و ادغام بازنمایی‌های زبانی با ویژگی‌های فیزیولوژیکی بهترین نتایج را برای تخمین برچسب‌های احساس خود همانطور که توسط خود کاربران توضیح داده شده‌اند، ارائه می‌دهد».

این مطالعه پیشگام نشان می دهد که تمرکز بر سیگنال های فیزیولوژیکی انسان ممکن است کلید ایجاد سیستم های یادگیری ماشینی هوش مصنوعی با هوش هیجانی بالا باشد. به گفته دانشمندان، هوش مصنوعی می تواند با تشخیص تغییرات در حالات عاطفی در آینده به نظارت بر سلامت روان کمک کند.