1 اکتبر 2024 -نوشته سانگیوب جان لی، هو سوک آن و لئو پااس، گفتگو-اعتبار: دامنه عمومی Pixabay/CC0
هوش مصنوعی (AI) شروع به نفوذ در بسیاری از جنبه های تجربه بشری کرده است. هوش مصنوعی فقط ابزاری برای تجزیه و تحلیل داده ها نیست، بلکه نحوه برقراری ارتباط، کار و زندگی ما را تغییر می دهد. از ChatGPT گرفته تا تولیدکننده‌های ویدیوی هوش مصنوعی، خطوط بین فناوری و بخش‌هایی از زندگی ما به طور فزاینده‌ای محو شده است.اما آیا این پیشرفت‌های فناوری به این معنی است که هوش مصنوعی می‌تواند احساسات ما را به صورت آنلاین شناسایی کند؟
در تحقیقی که در مجله بین المللی تحقیقات بازار منتشر شد، بررسی کردیم که آیا هوش مصنوعی می تواند احساسات انسان را در پست های X (توئیتر سابق) تشخیص دهد.
پژوهش ما بر این تمرکز داشت که چگونه احساسات بیان شده در پست‌های استفاده شده درباره برخی سازمان‌های غیرانتفاعی می‌تواند بر اقداماتی مانند تصمیم برای اهدای کمک مالی به آنها در مرحله بعد تأثیر بگذارد.
به طور سنتی، محققان بر تحلیل احساسات تکیه می کردند که پیام ها را به عنوان مثبت، منفی یا خنثی طبقه بندی می کرد. در حالی که این روش ساده و شهودی است، محدودیت هایی دارد.
عواطف انسانی بسیار ظریف تر است. به عنوان مثال، عصبانیت و ناامیدی هر دو احساسات منفی هستند، اما می توانند واکنش های بسیار متفاوتی را برانگیزند. مشتریان عصبانی ممکن است در یک زمینه تجاری بسیار شدیدتر از مشتریان ناامید واکنش نشان دهند.برای پرداختن به این محدودیت‌ها، ما از یک مدل هوش مصنوعی استفاده کردیم که می‌توانست احساسات خاصی مانند شادی، خشم، غم و انزجار را که در توییت‌ها بیان می‌شوند، تشخیص دهد.
تحقیقات ما نشان داد که احساسات بیان شده در X می تواند به عنوان بازنمایی احساسات عمومی مردم در مورد سازمان های غیرانتفاعی خاص عمل کند. این احساسات تأثیر مستقیمی بر رفتار اهدایی داشت.
ما از مدل “یادگیری انتقال ترانسفورماتور” برای تشخیص احساسات در متن استفاده کردیم. ترانسفورماتورها که از قبل بر روی مجموعه داده های عظیم توسط شرکت هایی مانند گوگل و فیس بوک آموزش دیده اند، الگوریتم های هوش مصنوعی بسیار پیچیده ای هستند که در درک زبان طبیعی (زبان هایی که به طور طبیعی بر خلاف زبان های کامپیوتری یا کد توسعه یافته اند) عالی هستند.
ما مدل را بر روی ترکیبی از چهار مجموعه داده احساسی خود گزارش شده (بیش از 3.6 میلیون جمله) و هفت مجموعه داده دیگر (بیش از 60000 جمله) به خوبی تنظیم کردیم. این به ما امکان داد تا طیف وسیعی از احساسات بیان شده آنلاین را ترسیم کنیم.
به عنوان مثال، این مدل هنگام خواندن یک پست X، شادی را به عنوان احساس غالب تشخیص می‌دهد، مانند “شروع صبح‌هایمان در مدارس بهترین کار است! همه به #هدف #کودکان لبخند می‌زنند.”
برعکس، این مدل در یک توییت غمگینی را متوجه می‌شود و می‌گوید: “احساس می‌کنم بخشی از خودم را از دست داده‌ام. بیش از یک ماه پیش مادرم را از دست دادم، پدرم را 13 سال پیش. گم شده‌ام و می‌ترسم.”
این مدل به دقت چشمگیر 84 درصدی در تشخیص احساسات از متن دست یافت که یک دستاورد قابل توجه در زمینه هوش مصنوعی است.سپس به توییت‌هایی درباره دو سازمان مستقر در نیوزیلند – بنیاد فرد هالوز و دانشگاه اوکلند نگاه کردیم. ما متوجه شدیم که توئیت‌هایی که ابراز غم و اندوه می‌کنند بیشتر باعث کمک‌های مالی به بنیاد فرد هالوز می‌شوند، در حالی که خشم با افزایش کمک‌های مالی به دانشگاه اوکلند مرتبط است.
شناسایی احساسات خاص پیامدهای مهمی برای بخش هایی مانند بازاریابی، آموزش و مراقبت های بهداشتی دارد.
توانایی شناسایی پاسخ‌های احساسی افراد در زمینه‌های خاص آنلاین می‌تواند از تصمیم گیرندگان در پاسخگویی به مشتریان یا بازار گسترده‌ترشان حمایت کند. هر احساس خاصی که در پست های رسانه های اجتماعی آنلاین بیان می شود، نیاز به واکنش متفاوتی از سوی یک شرکت یا سازمان دارد.تحقیقات ما نشان داد که احساسات مختلف منجر به نتایج متفاوتی در مورد اهدا می شود.
دانستن غم و اندوه در پیام‌های بازاریابی می‌تواند کمک‌های مالی به سازمان‌های غیرانتفاعی را افزایش دهد، به کمپین‌های مؤثرتر و با طنین عاطفی کمک می‌کند. خشم می تواند افراد را برانگیزد تا در پاسخ به بی عدالتی ادراک شده عمل کنند.
در حالی که مدل یادگیری انتقال ترانسفورماتور در تشخیص احساسات در متن برتری دارد، پیشرفت بزرگ بعدی از ادغام آن با سایر منابع داده مانند لحن صدا یا حالات چهره برای ایجاد نمایه احساسی کامل‌تر حاصل می‌شود.
هوش مصنوعی را تصور کنید که نه تنها آنچه را که می نویسید، بلکه احساس شما را نیز درک می کند. واضح است که چنین پیشرفت هایی با چالش های اخلاقی همراه است.
اگر هوش مصنوعی بتواند احساسات ما را بخواند، چگونه از استفاده مسئولانه از این قابلیت اطمینان حاصل کنیم؟ چگونه از حریم خصوصی محافظت کنیم؟ اینها سوالات مهمی هستند که باید با ادامه تکامل فناوری به آنها پرداخت.
