Η χρήση της τεχνολογίας για την απόκτηση γνώσεων σχετικά με τα συναισθήματα δεν είναι κάτι καινούργιο. Μια ποικιλία εργαλείων είναι ήδη διαθέσιμα: από ψηφιακά παιχνίδια δημιουργίας ομάδας και κουίζ προσωπικότητας, μέχρι λογισμικό ρομποτικής συνέντευξης και φορητές συσκευές που «διαβάζουν» συναισθήματα.
Ποιος είναι καλύτερος – οι άνθρωποι ή οι μηχανές;
Η ερώτηση μάλλον θα έπρεπε να είναι, πόσο καλά μπορούν οι άνθρωποι να υιοθετήσουν διαφορετικές μορφές τεχνητής νοημοσύνης για να κάνουν την εργασία πιο ουσιαστική και παραγωγική. Ωστόσο, η δημιουργία και η επεξεργασία τεράστιων συνόλων δεδομένων είναι ένας από τους τομείς, όπου η τεχνητή νοημοσύνη υπερέχει και θα υπερέχει έναντι οποιουδήποτε ανθρώπου. Αλλά η μεγαλύτερη διαφορά της τεχνητής νοημοσύνης είναι, πως τα εργαλεία ανάλυσης θα δουν πέρα από αυτό που είναι ορατό με γυμνό μάτι.
Η πρώτη συναισθηματικά ευφυής μηχανή
Το 2016, οι ερευνητές του MIT άνοιξαν νέους δρόμους στον τομέα των συναισθηματικά ευφυών μηχανών. Αποκάλυψαν μια συσκευή, το EQ-Radio, που μετρά τον καρδιακό ρυθμό και την αναπνοή ενός ατόμου για να καθορίσει τη συναισθηματική του κατάσταση – όλα αυτά χωρίς σωματική επαφή. Το EQ-Radio λαμβάνει σήματα από το σώμα ενός ατόμου και αποκωδικοποιεί τα ζωτικά του σημεία μέσω αλγορίθμων. Αυτά εξηγούν με ακρίβεια 87% εάν ένα άτομο στο δωμάτιο είναι χαρούμενο, λυπημένο ή θυμωμένο. Επειδή η συσκευή βασίζεται σε πραγματικούς φυσικούς παράγοντες, όπως ο καρδιακός παλμός και η αναπνοή, μπορεί να απεικονίσει μοτίβα και να σηματοδοτήσει πότε κάτι δεν πάει καλά, ειδικά όταν ένα άτομο δυσκολεύεται να εκφράσει τα συναισθήματά του.
Η επεξεργασία της φυσικής γλώσσας
Στο χώρο εργασίας για παράδειγμα, κάτι τόσο συνηθισμένο όσο η γλώσσα σε ένα email, ένα σημείωμα ή μια αγγελία εργασίας μπορεί να υποδεικνύει εάν ο τόνος κάποιου είναι θετικός ή αρνητικός ή εάν οι απόψεις του είναι προκατειλημμένες υπέρ ή κατά μιας συγκεκριμένης ομάδας ανθρώπων.
«Τα λόγια μας μας προδίδουν εύκολα», αλλά τα εργαλεία τεχνητής νοημοσύνης μπορούν να διαβάσουν μεταξύ των γραμμών. Η επεξεργασία φυσικής γλώσσας – ένα υποπεδίο της μηχανικής μάθησης – λαμβάνει παραδείγματα καθημερινής γλώσσας και, μέσω συνεχούς εκπαίδευσης, επεξεργάζεται φράσεις σύμφωνα με τις σημασίες και το πλαίσιο που τους έχουν αποδοθεί.
Υπηρεσίες όπως το Textio, το Boost Editor και το Watson Tone Analyzer της IBM είναι μόνο μερικά παραδείγματα, που χρησιμοποιούν την τεχνητή νοημοσύνη για να ακούν προσεκτικά τις λέξεις και τον τρόπο με τον οποίο δείχνουν συναισθήματα. Το Textio, για παράδειγμα, είναι ένα επαυξημένο εργαλείο γραφής που έχει σχεδιαστεί για να επιλέγει προβληματικές φράσεις και να συμβουλεύει τους εργαζομένους να αποφεύγουν την αναίσθητη, υποτιμητική και σκληρή γλώσσα.
Μηχανές και Συναισθηματική νοημοσύνη
Θα είναι οι μηχανές καλύτερες από τους επαγγελματίες στην ανάγνωση και την επεξεργασία συναισθημάτων; Η σύντομη απάντηση είναι ναι. Χάρη στα μαθηματικά, τα εργαλεία ανάλυσης, που έχουν σχεδιαστεί για να περιγράφουν και να προβλέπουν μοτίβα συμπεριφοράς μεταξύ των ανθρώπων, μπορούν να λάβουν συλλέξουν πληροφορίες χρησιμοποιώντας λέξεις, τονισμό, χειρονομίες και εκφράσεις του προσώπου ως σημεία δεδομένων.
«Οι αλγόριθμοι υπολογιστών, με όλα τα προσωπικά δεδομένα που μοιραζόμαστε πρόθυμα, θα είναι καλύτεροι στην αναγνώριση των συναισθημάτων. Μέσα σε μερικές δεκαετίες, αυτοί οι αλγόριθμοι υπολογιστών θα επιτρέψουν την επικοινωνία των μηχανών με τους ανθρώπους καλύτερα από ό,τι οι άνθρωποι μεταξύ τους, καθώς το συναίσθημα αντιπροσωπεύεται σχεδόν πάντα από τα μοτίβα του προσώπου, της γλώσσας του σώματος και της διαμόρφωσης ομιλίας», είπε ο ο de Martini, συνιδρυτής και CIO της ομάδας λογισμικού Y Soft.
Η ικανότητα των μηχανών να επεξεργάζονται και να αναγνωρίζουν συναισθήματα βελτιώνεται συνεχώς μέσα από εκατοντάδες ώρες εκπαίδευσης. Δηλαδή, μέσω της διαδικασίας τροφοδοσίας δεδομένων – για το τι λένε ή αισθάνονται οι άνθρωποι – ως μέρος της διαδικασίας μηχανικής μάθησης.
Με τον καιρό, τα συναισθηματικά ευφυή συστήματα τεχνητής νοημοσύνης δεν θα συνηθίσουν μόνο σε τυπικές ανθρώπινες αντιδράσεις σε συγκεκριμένα σενάρια, όπως όταν ένας εργαζόμενος είναι απογοητευμένος ή παρακινημένος. Αλλά θα μάθουν επίσης να προβλέπουν πώς μπορεί να αντιδράσει ένας άνθρωπος ακόμη και πριν προκύψουν ορισμένες καταστάσεις.
Πηγή: www.hcamag.com
