Czy AI może opracować system wykrywający i reagujący na stan emocjonalny osoby w czasie rzeczywistym, wykorzystując sygnały fizjologiczne, takie jak tętno i przewodnictwo skóry ?

Co by było, gdyby technologia mogła odczytywać nie tylko to, co mówisz lub piszesz, ale także to, jak się czujesz — w każdej chwili — poprzez śledzenie subtelnych sygnałów, które wysyła twoje ciało? Naukowcy badają systemy, które wykrywają stany emocjonalne na podstawie fizjologicznych wskazówek, takich jak tętno i przewodnictwo skóry, ale przejście od wykrywania do znaczącej odpowiedzi w czasie rzeczywistym pozostaje otwartym wyzwaniem w obliczu technologii afektywnej.

Background

Obecne systemy wykorzystują czujniki noszone i uczenie maszynowe do analizy sygnałów fizjologicznych w celu wykrywania emocji. Urządzenia noszone zbierają zmienność rytmu serca, przewodnictwo skóry (aktywność elektrodermalną) oraz inne metryki, które korelują ze stresem, lękiem lub podekscytowaniem. Modele uczenia maszynowego – często trenowane na oznaczonych zbiorach danych z badań nad obliczeniową analizą afektu – identyfikują wzorce związane z konkretnymi stanami emocjonalnymi. Na przykład zwiększona częstotliwość akcji serca i podwyższone przewodnictwo skóry mogą wskazywać na stres lub pobudzenie, podczas gdy wolniejsza akcja serca i zmniejszone przewodnictwo mogą odzwierciedlać relaksację. Przełomowe prace MIT Affective Computing Group oraz komercyjne platformy, takie jak Affectiva’s Emotion AI (2022), wykazały rozpoznawanie emocji w czasie rzeczywistym w kontekstach od monitorowania zdrowia psychicznego po spersonalizowane silniki rekomendacyjne. Pomimo tych postępów, przetłumaczenie wykrytych stanów emocjonalnych na odpowiednie, kontekstowo trafne odpowiedzi systemu pozostaje aktywnym obszarem badawczym. Wyzwania obejmują równoważenie opóźnień, kwestie etyczne oraz dynamiczny charakter ekspresji emocjonalnej wśród jednostek i kultur.