آیا هوش مصنوعی نمی تواند احساسات ما را درک کند؟
افزایش سریع چت ربات‌های هوش مصنوعی نگرانی‌های اخلاقی، هیجان‌انگیز و نگرانی‌های شغلی را تقریباً به همان اندازه ایجاد کرده است. اما آیا خطرات دوباره در شرف افزایش هستند؟
اگر پاشنه آشیل این ابزارها وجود داشته باشد، ناتوانی در فاکتورسازی احساسات انسانی در پاسخ است. با این حال، با پیشرفت در زمینه “هوش مصنوعی احساسی”، این امکان وجود دارد که شاهد جهش بزرگ دیگری در فناوری هوش مصنوعی باشیم.
یک مشکل عاطفی
درک عواطف انسانی حتی برای انسان ها می تواند پیچیده باشد. علیرغم اینکه این چیزی است که ما از بدو تولد شروع به یادگیری آن می کنیم، هنوز هم اغلب می توانیم احساسات دیگران را اشتباه بخوانیم. آموزش ماشین‌ها در مهارتی که انسان‌ها بر آن مسلط نشده‌اند یک چالش بزرگ است.
با این حال، حوزه هوش مصنوعی احساسات، که به عنوان محاسبات عاطفی نیز شناخته می‌شود، پیشرفت‌های چشمگیری دارد. برای درک نحوه عملکرد هوش مصنوعی احساسی، مقایسه آن با نحوه تفسیر انسان از احساسات دیگران مهم است. فرآیند را می توان به سه حوزه اصلی تقسیم کرد:
- حالات چهره / رفتار: کسی که مانند گربه چشایر می درخشد واضح است. اما اشک چطور؟ آنها می توانند اشک شادی یا غم باشند. سپس ظرافت ها و عبارات زودگذری وجود دارد که ما به سختی متوجه آنها می شویم اما سرنخ هایی ناخودآگاه در مورد احساسات دیگران به شما می دهیم.
- زبان بدن: باز هم، سرنخ های زیادی در اینجا وجود دارد که انسان ها تقریباً به صورت ناخودآگاه برای تعیین حالات عاطفی از آنها استفاده می کنند.
- انحراف صدا: لحن و انحراف صدا می تواند نشانگر قوی یک حالت عاطفی باشد. به عنوان مثال، تشخیص تفاوت بین شادی و خشم اغلب در تفاوت های ظریف در نحوه بیان چیزی نهفته است.
تفاوت‌های ظریف احساسات انسانی جایی است که چالش‌ها به وجود می‌آیند. برای مقابله با این چالش ها، هوش مصنوعی احساسی از طیف وسیعی از تکنیک ها استفاده می کند.
هوش مصنوعی Emotion چگونه کار می کند؟
مشابه اینکه چت ربات‌های هوش مصنوعی برای تولید پاسخ‌ها به پایگاه‌های داده عظیمی به نام مدل‌های زبان بزرگ (LLM) متکی هستند، هوش مصنوعی احساسی نیز به مجموعه داده‌ای عظیم متکی است. تفاوت اصلی در شکل داده ها است.
مرحله 1: جمع آوری داده ها
“مدل های” هوش مصنوعی احساسی داده ها را از منابع مختلف جمع آوری می کند. مانند LLM ها، متن بخشی از مدل را تشکیل می دهد. اما مدل‌های هوش مصنوعی احساسی از اشکال دیگر داده نیز استفاده می‌کنند که عبارتند از:
- داده‌های صوتی: این می‌تواند از تماس‌ها یا ویدیوهای ضبط‌شده خدمات مشتری، در میان منابع دیگر باشد.
- حالات چهره: این داده ها را می توان از طیف وسیعی از منابع جمع آوری کرد. یکی از راه‌های رایج، ضبط عبارات داوطلبان از طریق ویدیوی ضبط‌شده با تلفن است.
- داده های فیزیولوژیکی: معیارهایی مانند ضربان قلب و دمای بدن را می توان برای تعیین وضعیت عاطفی شرکت کنندگان داوطلب اندازه گیری کرد.
سپس داده های جمع آوری شده می تواند برای تعیین حالات عاطفی انسان مورد استفاده قرار گیرد. شایان ذکر است که همه مدل‌های هوش مصنوعی احساسی از یک نوع داده استفاده نمی‌کنند. به عنوان مثال، یک مرکز تماس برای داده های بصری و فیزیولوژیکی کاربرد کمی خواهد داشت. در حالی که در مراقبت های بهداشتی، گنجاندن داده های فیزیولوژیکی فوق العاده مفید است.
مرحله 2: شناخت عاطفی
نحوه استفاده از داده ها برای درک حالات عاطفی بسته به نوع آن متفاوت است:
- تجزیه و تحلیل متن: تکنیک هایی مانند تحلیل احساسات یا پردازش زبان طبیعی برای تفسیر متن نوشته شده استفاده می شود. اینها می توانند کلمات کلیدی، عبارات یا الگوهایی را که نشان دهنده حالات عاطفی هستند، شناسایی کنند.
- تجزیه و تحلیل صدا: الگوریتم‌های یادگیری ماشینی جنبه‌های صدای افراد مانند زیر و بم، حجم، سرعت و لحن را تجزیه و تحلیل می‌کنند تا حالت‌های احساسی را استنتاج کنند.
- تجزیه و تحلیل حالت چهره: بینایی کامپیوتری و تکنیک های یادگیری عمیق برای تجزیه و تحلیل حالات چهره استفاده می شود. این می تواند شامل شناخت عبارات اساسی (شادی، غم، عصبانیت، تعجب، و غیره) یا “عبارات خرد” ظریف تر باشد.
- تجزیه و تحلیل فیزیولوژیکی: برخی از سیستم های هوش مصنوعی احساسی می توانند داده های فیزیولوژیکی مانند ضربان قلب و دما را برای تعیین حالات احساسی تجزیه و تحلیل کنند. این به حسگرهای تخصصی نیاز دارد و معمولاً در تحقیقات یا مراقبت های بهداشتی استفاده می شود.
ویژگی های عملکرد هوش مصنوعی احساسی بسته به هدف برنامه متفاوت است. با این حال، بیشتر مدل‌های هوش مصنوعی احساسی حداقل بر یکی از تکنیک‌های ذکر شده تکیه می‌کنند.
مرحله 3: ایجاد یک پاسخ
مرحله آخر این است که مدل هوش مصنوعی به وضعیت عاطفی تعیین شده خود پاسخ مناسبی بدهد. نحوه نشان دادن این پاسخ به هدف هوش مصنوعی بستگی دارد. این می تواند به صورت هشدار دادن به یک مرکز تماس مبنی بر ناراحتی تماس گیرنده بعدی باشد، یا می تواند شخصی سازی محتوای یک برنامه باشد.
طیف کامل استفاده از این فناوری گسترده خواهد بود و سازمان ها در حال حاضر از آن برای استفاده های مختلف استفاده می کنند.
کاربردهای هوش مصنوعی عاطفی چیست؟
هوش مصنوعی، به طور کلی، تا حدودی یک ابزار چندگانه فناوری است و هوش مصنوعی احساسی تفاوتی ندارد. همانطور که این فناوری در حال توسعه است، گسترش استفاده ها به طور قابل توجهی گسترش می یابد، همانطور که توسط انواع وظایفی که در حال حاضر انجام می دهد گواه است:
- مراکز تماس: هوش مصنوعی Emotion در مراکز تماس ادغام شده است تا به عوامل در شناسایی وضعیت عاطفی مشتریان کمک کند.
- تبلیغات: آژانس های بازاریابی تیم هایی از داوطلبان را زیر نظر دارند تا واکنش عاطفی آنها را هنگام مشاهده یک تبلیغ خاص ارزیابی کنند. این به آنها اجازه می‌دهد تا محتوا را تغییر دهند تا با واکنش احساسی مورد نظر بیشتر هماهنگ شوند.
- مراقبت های بهداشتی: هوش مصنوعی در حال حاضر به درمان شرایط سلامت روان کمک می کند. این رشته از پزشکی رشته‌ای است که هوش مصنوعی عاطفی می‌تواند سود زیادی داشته باشد.
- آموزش: برنامه های آموزشی را می توان برای تنظیم کار دوره و کلی “تجربه یادگیری” بسته به شرایط عاطفی دانش آموز آموزش داد.
- صنعت خودرو: این یکی در راه است، اما هوش مصنوعی احساسی می تواند کمک ارزشمندی برای رانندگی باشد. تحقیقات کنونی بر روی توسعه سیستم هایی متمرکز است که می توانند وضعیت عاطفی راننده را تشخیص دهند. اگر راننده بیش از حد خسته، استرس، عصبانی یا به سادگی در رویاپردازی دور باشد، ممکن است به نوعی اقدام اصلاحی انجام دهد.
همه اینها خوب و خوب به نظر می رسد، اما مانند همه چیزهای هوش مصنوعی، هرگز به این سادگی نیست. نگرانی های اخلاقی و حفظ حریم خصوصی پیرامون هوش مصنوعی مولد به همان اندازه قابل اجرا است، اما اکنون احساسات انسانی را در ترکیب قرار داده ایم.
نگرانی های اخلاقی و حریم خصوصی هوش مصنوعی احساسی
به نظر می رسد برای هر مزیتی که هوش مصنوعی برای ما به ارمغان می آورد – و بسیاری از آنها وجود دارد – یک نگرانی اخلاقی یا حفظ حریم خصوصی مربوطه وجود دارد. این فناوری نوآورانه در لبه دانش فنی عمل می کند. همچنین در لبه دانش اجتماعی عمل می کند.
تلاقی احساسات و فناوری مملو از چالش‌های پیچیده است که اگر بخواهیم هوش مصنوعی یک مزیت باشد و نه یک بار، باید به آنها پرداخت. برخی از نگرانی هایی که بلافاصله آشکار می شوند عبارتند از:
- نگرانی‌های مربوط به حریم خصوصی داده‌ها: در حال حاضر یک منطقه خاکستری در هوش مصنوعی، گنجاندن داده‌های احساسی حساس، سطح را افزایش داده است.
- دقت: چت ربات‌های هوش مصنوعی چیزهای زیادی هستند، اما پاسخ‌های آنها غالباً گسترده است. اشتباهات مشابهی که توسط مدل‌های هوش مصنوعی احساسی ایجاد می‌شود، اگر در برنامه‌هایی مانند مراقبت‌های بهداشتی رخ دهد، می‌تواند عواقب جدی داشته باشد.
- دستکاری عاطفی: کلاهبرداران می توانند از هوش مصنوعی عاطفی برای بازی با احساسات افراد با نیت بد استفاده کنند.
این نگرانی‌ها واقعی هستند و تلاش هماهنگ برای رسیدگی به آنها، کلید باز کردن تمام مزایای هوش مصنوعی احساسی است.
نمیدانم بخندم یا گریه کنم
این یک فناوری امیدوارکننده با مزایای بالقوه عظیم است. با این حال، مقداری “توشه احساسی” را در جریان لغزش خود حمل می کند. نکته مثبت، طیف وسیعی از کاربردهای بالقوه است که این می تواند تفاوت بزرگی ایجاد کند. همه چیز از مراقبت های بهداشتی گرفته تا تجربه های بازی همه جانبه تر می تواند از هوش مصنوعی احساسی بهره مند شود.
اما اگر بخواهیم از این برای منفعت استفاده کنیم و مانع بشریت نشویم، باید با مسائل سنگینی برخورد کرد.