اكتشاف الشعور
أضاف قائد الدراسة فينج ليو، في بيان صحفي: «تتمتع هذه التكنولوجيا بالقدرة على تحويل مجالات مثل الرعاية الصحية والتعليم وخدمة العملاء، وتسهيل التجارب الشخصية وتعزيز فهم المشاعر الإنسانية». وأشار «تخيل عالمًا يستطيع فيه هاتفك الذكي اكتشاف شعورك بالتوتر واقتراح تقنيات الاسترخاء تلقائيًا أو عالمًا يستطيع فيه المعالج الافتراضي تقديم الدعم النفسي الشخصي بناءً على التغيرات الطفيفة في حالتك العاطفية. وقد تتحول هذه السيناريوهات إلى واقع ملموس قريبًا، وذلك بفضل التطورات السريعة في أنظمة التعرف على المشاعر المتعددة الوسائط».
ومن بين التطورات الأكثر إثارة التي أبرزتها المراجعة دمج تقنيات التعلم العميق مع النظريات النفسية. ويسمح هذا الاندماج لأنظمة الذكاء الاصطناعي ليس فقط بالتعرف على المشاعر، بل وأيضًا بفهم التفاعل المعقد بين المشاعر وسمات الشخصية. على سبيل المثال، يمكن لنموذج OPO-FCM المذكور في الدراسة تحليل لقطات الفيديو لرسم تعابير الوجه على مساحة عاطفية ثلاثية الأبعاد، مما يوفر رؤى حول كل من الحالات العاطفية وخصائص الشخصية.
علاج الصحة العقلية
أوضحت الدراسة أن التطبيقات المحتملة لهذه التكنولوجيا واسعة ومتنوعة. ففي مجال الرعاية الصحية، قد يؤدي التعرف على المشاعر المدعوم بالذكاء الاصطناعي إلى إحداث ثورة في تشخيص وعلاج الصحة العقلية، وتقديم نهج أكثر موضوعية وشخصية. وفي مجال التعليم، قد تساعد هذه الأنظمة المعلمين في تحديد متى يعاني الطلاب من صعوبات أو عدم انخراط، مما يسمح بالتدخلات في الوقت المناسب. وحتى خدمة العملاء يمكن تحويلها باستخدام مساعدين من الذكاء الاصطناعي قادرين على اكتشاف مشاعر العملاء والاستجابة لها في الوقت الفعلي، ولكن كما هي الحال مع أي تقنية قوية، لا تزال هناك تحديات يتعين التغلب عليها.
وتؤكد الدراسة على الحاجة إلى أن تكون أنظمة الذكاء الاصطناعي هذه متكيفة ثقافيا، مع الاعتراف بأن التعبيرات العاطفية يمكن أن تختلف بشكل كبير عبر الثقافات المختلفة. كما تلوح مخاوف الخصوصية في الأفق مع إثارة جمع وتحليل البيانات العاطفية لتساؤلات أخلاقية مهمة.
النتائج الرئيسية
خلصت الدراسة إلى أن أنظمة التعرف على المشاعر المدعومة بالذكاء الاصطناعي حققت تقدمًا كبيرًا في الدقة والموثوقية. وأظهرت الأساليب المتعددة الوسائط، التي تجمع بين البيانات من مصادر متعددة، نتائج واعدة بشكل خاص. على سبيل المثال، حققت بعض الأنظمة معدلات دقة بلغت نحو 80 % في بيئات محاكاة. كما سلطت الدراسة الضوء على إمكانات هذه التقنيات في التطبيقات الواقعية، مثل تقييم الصحة العقلية، والدعم التعليمي، وتحسين خدمة العملاء.