I ricercatori si avvicinano all’obiettivo di realizzare un’intelligenza artificiale “emotivamente intelligente”

I ricercatori dell’Istituto giapponese di scienza e tecnologia avanzata hanno integrato segnali biologici con metodi di apprendimento automatico per consentire un’intelligenza artificiale “emotivamente intelligente”. L’intelligenza emotiva potrebbe portare a interazioni più naturali tra uomo e macchina, affermano i ricercatori.

Lo studio è stato pubblicato sulla rivista IEEE Transactions on Affective Computing.

Raggiungere l’intelligenza emotiva

Le tecnologie di riconoscimento del linguaggio e della parola come Alexa e Siri sono in costante evoluzione, e l’aggiunta dell’intelligenza emotiva potrebbe portarle al livello successivo. Ciò significherebbe che questi sistemi potrebbero riconoscere gli stati emotivi dell’utente, nonché comprendere il linguaggio e generare risposte più empatiche.

L’analisi del sentimento multimodale” è un gruppo di metodi che costituisce lo standard per i sistemi di dialogo dell’IA con rilevamento del sentimento, e possono analizzare automaticamente lo stato psicologico di una persona dal suo linguaggio, espressioni facciali, colore della voce e postura. Sono fondamentali per la creazione di sistemi di intelligenza artificiale centrati sull’uomo e potrebbero portare allo sviluppo di un’intelligenza artificiale emotivamente intelligente con “capacità oltre umane”. Queste capacità aiuterebbero l’IA a comprendere il sentimento dell’utente prima di formare una risposta appropriata.

Analizzare i segnali non osservabili

I metodi di stima attuali si concentrano principalmente sulle informazioni osservabili, il che esclude le informazioni presenti nei segnali non osservabili, che possono includere segnali fisiologici. Questi tipi di segnali contengono molti dati preziosi che potrebbero migliorare la stima del sentimento.

Nello studio, i segnali fisiologici sono stati aggiunti all’analisi del sentimento multimodale per la prima volta. Il team di ricercatori che ha condotto questo studio includeva il professore associato Shogo Okada dell’Istituto giapponese di scienza e tecnologia avanzata (JSAIT) e il prof. Kazunori Komatani dell’Istituto di ricerca scientifica e industriale dell’Università di Osaka.

“Gli esseri umani sono molto bravi a nascondere i loro sentimenti”, afferma il dottor Okada. “Lo stato emotivo interno di un utente non è sempre riflesso con precisione dal contenuto del dialogo, ma poiché è difficile per una persona controllare consapevolmente i segnali biologici, come il battito cardiaco, potrebbe essere utile utilizzarli per stimare il suo stato emotivo. Ciò potrebbe portare a un’IA con capacità di stima del sentimento che vanno oltre quelle umane”.

Lo studio del team ha coinvolto l’analisi di 2.468 scambi con un’IA dialogica ottenuti da 26 partecipanti. Con questi dati, il team ha potuto stimare il livello di piacere sperimentato dall’utente durante la conversazione.

All’utente è stato poi chiesto di valutare quanto fosse piacevole o noiosa la conversazione. Il set di dati del dialogo multimodale chiamato “Hazumi1911” è stato utilizzato dal team. Questo set di dati combina il riconoscimento del linguaggio, i sensori del colore della voce, la rilevazione della postura e l’espressione facciale con il potenziale cutaneo, che è una forma di rilevamento della risposta fisiologica.

“Confrontando tutte le fonti di informazione separate, le informazioni sui segnali biologici si sono rivelate più efficaci della voce e dell’espressione facciale”, ha continuato il dottor Okada. “Quando abbiamo combinato le informazioni linguistiche con le informazioni sui segnali biologici per stimare lo stato interno autovalutato mentre si parlava con il sistema, le prestazioni dell’IA sono diventate paragonabili a quelle di un essere umano”.

I nuovi risultati suggeriscono che la rilevazione dei segnali fisiologici negli esseri umani potrebbe portare a sistemi di dialogo dell’IA altamente intelligenti dal punto di vista emotivo. I sistemi di intelligenza artificiale emotivamente intelligenti potrebbero essere utilizzati per identificare e monitorare le malattie mentali rilevando i cambiamenti negli stati emotivi quotidiani. Un altro possibile caso d’uso è nell’istruzione, dove potrebbero identificare se un discente è interessato a un argomento o annoiato, il che potrebbe essere utilizzato per modificare le strategie di insegnamento.