သုတေသီများသည် “စိတ်ပိုင်းဆိုင်ရာ ဉာဏ်ရည်ဉာဏ်သွေး” AI ကိုရရှိရန် ပိုမိုနီးကပ်လာကြသည်။

Japan Advanced Institute of Science and Technology မှ သုတေသီများသည် “စိတ်ခံစားမှုထက်မြက်သော” AI ကို အသုံးပြုနိုင်ရန် စက်သင်ယူမှုနည်းလမ်းများနှင့် ဇီဝအချက်ပြမှုများကို ပေါင်းစပ်ထားသည်။ စိတ်ခံစားမှုဆိုင်ရာ ဉာဏ်ရည်ဉာဏ်သွေးသည် လူသားနှင့် စက်ယန္တရား အပြန်အလှန် ဆက်သွယ်မှုကို ပိုမိုဖြစ်ပေါ်စေနိုင်သည်ဟု သုတေသီများက ဆိုသည်။ 

လေ့လာမှုအသစ်ကို ဂျာနယ်တွင် ဖော်ပြခဲ့သည်။ Affective Computing တွင် IEEE ငွေလွှဲမှုများ.

Emotional Intelligence ရရှိခြင်း။

Alexa နှင့် Siri ကဲ့သို့ စကားပြောနှင့် ဘာသာစကား မှတ်သားမှုနည်းပညာများသည် အဆက်မပြတ် ပြောင်းလဲနေပြီး စိတ်ခံစားမှုဆိုင်ရာ ဉာဏ်ရည်ဉာဏ်သွေးကို ပေါင်းထည့်ခြင်းဖြင့် ၎င်းတို့ကို နောက်တစ်ဆင့်သို့ ပို့ဆောင်ပေးနိုင်ပါသည်။ ဆိုလိုသည်မှာ ဤစနစ်များသည် အသုံးပြုသူ၏ စိတ်ခံစားမှုအခြေအနေများကို အသိအမှတ်ပြုနိုင်သည့်အပြင် ဘာသာစကားကိုလည်း နားလည်ပြီး စာနာနားလည်မှုဆိုင်ရာ တုံ့ပြန်မှုများကို ပိုမိုထုတ်ပေးနိုင်မည်ဖြစ်သည်။ 

“Multimodal sentiment analysis” သည် ခံစားချက်ကိုသိရှိနိုင်သော AI ဒိုင်ယာလော့ခ်စနစ်များအတွက် ရွှေစံနှုန်းဖြင့်ပြုလုပ်ထားသော နည်းလမ်းများအုပ်စုဖြစ်ပြီး ၎င်းတို့သည် လူတစ်ဦး၏ စိတ်ပိုင်းဆိုင်ရာအခြေအနေကို ၎င်းတို့၏အပြောအဆို၊ မျက်နှာအမူအရာ၊ အသံအရောင်နှင့် ကိုယ်ဟန်အနေအထားတို့မှ အလိုအလျောက်ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။ ၎င်းတို့သည် လူသားကိုဗဟိုပြုသည့် AI စနစ်များကို ဖန်တီးရန်အတွက် အခြေခံဖြစ်ပြီး “လူသားထက်သာလွန်သောစွမ်းရည်များ” ဖြင့် စိတ်ပိုင်းဆိုင်ရာ ဉာဏ်ရည်ထက်မြက်သော AI ဖွံ့ဖြိုးတိုးတက်မှုကို ဦးတည်သွားနိုင်သည်။ ဤစွမ်းရည်များသည် သင့်လျော်သောတုံ့ပြန်မှုတစ်ခုမပြုလုပ်မီ အသုံးပြုသူ၏ခံစားချက်ကို နားလည်စေရန် AI မှ ကူညီပေးမည်ဖြစ်ပါသည်။ 

မမြင်နိုင်သော အချက်ပြမှုများကို ခွဲခြမ်းစိတ်ဖြာခြင်း။

လက်ရှိ ခန့်မှန်းချက်နည်းလမ်းများသည် ဇီဝကမ္မဆိုင်ရာ အချက်ပြမှုများ ပါဝင်နိုင်သည့် မမြင်နိုင်သော အချက်ပြမှုများတွင် သတင်းအချက်အလက်များကို ချန်ထားပေးသည့် မှတ်သားနိုင်သော အချက်အလက်များအပေါ် အာရုံစိုက်သည်။ ဤအချက်ပြမှုအမျိုးအစားများသည် စိတ်ခံစားမှုကို မြှင့်တင်ပေးနိုင်သော အဖိုးတန်ဒေတာများစွာကို ကိုင်ဆောင်ထားသည်။ 

လေ့လာမှုတွင်၊ ဇီဝကမ္မအချက်ပြမှုများကို ဘက်စုံစိတ်ခံစားမှုခွဲခြမ်းစိတ်ဖြာမှုတွင် ပထမဆုံးအကြိမ် ထည့်သွင်းခဲ့သည်။ ဤလေ့လာမှုကိုဆောင်ရွက်ခဲ့သော သုတေသီအဖွဲ့တွင် Japan Advanced Institute of Science and Technology (JSAIT) မှ တွဲဖက်ပါမောက္ခ Shogo Okada နှင့် Osaka University မှ သိပ္ပံနှင့်စက်မှုသုတေသနဌာနမှ ပါမောက္ခ Kazunori Komatani တို့ ပါဝင်သည်။ 

“လူသားတွေဟာ သူတို့ရဲ့ခံစားချက်တွေကို ဖုံးကွယ်ထားရတာ အရမ်းကောင်းတယ်” လို့ ဒေါက်တာ အိုကာဒါက ပြောပါတယ်။ "အသုံးပြုသူတစ်ဦး၏အတွင်းစိတ်ခံစားမှုအခြေအနေသည် ဒိုင်ယာလော့ခ်၏အကြောင်းအရာဖြင့် အမြဲတမ်းတိကျစွာထင်ဟပ်ခြင်းမရှိသော်လည်း၊ လူတစ်ဦးသည် နှလုံးခုန်နှုန်းကဲ့သို့သော ၎င်းတို့၏ဇီဝအချက်ပြမှုများကို သတိရှိရှိထိန်းချုပ်ရန် ခက်ခဲသောကြောင့်၊ ၎င်းတို့ကို ခန့်မှန်းရန်အတွက် ၎င်းတို့ကိုအသုံးပြုရန် အသုံးဝင်ပေမည်။ စိတ်ခံစားမှုအခြေအနေ။ ဒါက လူသားထက် သာလွန်တဲ့ စိတ်ခံစားမှုကို ခန့်မှန်းနိုင်စွမ်းရှိတဲ့ AI ကို ဖန်တီးပေးနိုင်ပါတယ်။” 

အဖွဲ့၏လေ့လာမှုတွင်ပါဝင်သူ 2,468 ဦးထံမှရရှိသော AI dialog ဖြင့်ဖလှယ်မှု 26 ၏ခွဲခြမ်းစိတ်ဖြာမှုပါ ၀ င်သည်။ ဤဒေတာဖြင့်၊ အဖွဲ့သည် စကားဝိုင်းအတွင်း အသုံးပြုသူခံစားရသည့် ပျော်ရွှင်မှုအဆင့်ကို ခန့်မှန်းနိုင်သည်။ 

ထို့နောက် စကားဝိုင်းသည် မည်မျှပျော်စရာကောင်းသည် သို့မဟုတ် ငြီးငွေ့ဖွယ်ကောင်းသည်ကို အကဲဖြတ်ရန် သုံးစွဲသူအား တောင်းဆိုခဲ့သည်။ “Hazumi1911” ဟုခေါ်သော ဘက်စုံဆွေးနွေးမှုဒေတာအစုံကို အဖွဲ့မှအသုံးပြုခဲ့သည်။ ဤဒေတာအတွဲသည် စကားပြောအသိအမှတ်ပြုမှု၊ အသံအရောင်အာရုံခံကိရိယာများ၊ ကိုယ်ဟန်အနေအထားကိုသိရှိခြင်းနှင့် မျက်နှာအမူအရာတို့ကို ဇီဝကမ္မတုံ့ပြန်မှုအာရုံခံမှုပုံစံတစ်ခုဖြစ်သည့် အရေပြားအလားအလာနှင့် ပေါင်းစပ်ထားသည်။

“အချက်အလက်တွေရဲ့ သီးခြားရင်းမြစ်အားလုံးကို နှိုင်းယှဉ်ကြည့်တဲ့အခါ၊ ဇီဝအချက်ပြအချက်အလက်ဟာ အသံနဲ့ မျက်နှာအမူအရာထက် ပိုထိရောက်ကြောင်း သက်သေပြခဲ့ပါတယ်” ဟု ဒေါက်တာ အိုကာဒါက ဆက်လက်ပြောကြားသည်။ "ကျွန်ုပ်တို့သည် စနစ်နှင့် စကားပြောနေစဉ်တွင် မိမိကိုယ်ကို အကဲဖြတ်သည့် အတွင်းပိုင်းအခြေအနေကို ခန့်မှန်းရန် ဘာသာစကားအချက်အလက်ကို ဇီဝအချက်ပြအချက်အလက်များနှင့် ပေါင်းစပ်လိုက်သောအခါ၊ AI ၏ စွမ်းဆောင်ရည်သည် လူသားနှင့် ယှဉ်နိုင်လာသည်။"

အသစ်တွေ့ရှိချက်များအရ လူသားများတွင် ဇီဝကမ္မဆိုင်ရာ အချက်ပြမှုများကို ထောက်လှမ်းခြင်းသည် လွန်စွာ စိတ်ခံစားမှုဆိုင်ရာ အသိဉာဏ်ရှိသော AI-အခြေခံ ဒိုင်ယာလော့ဂ်စနစ်များဆီသို့ ဦးတည်သွားနိုင်သည်ဟု အကြံပြုထားသည်။ စိတ်ပိုင်းဆိုင်ရာ ဉာဏ်ရည်ထက်မြက်သော AI စနစ်များကို နေ့စဥ် စိတ်ခံစားမှုဆိုင်ရာ ပြောင်းလဲမှုများကို အာရုံခံခြင်းဖြင့် စိတ်ရောဂါကို ခွဲခြားစောင့်ကြည့်ရန် အသုံးပြုနိုင်သည်။ နောက်ထပ်ဖြစ်နိုင်ချေရှိသော အသုံးပြုမှုကိစ္စမှာ ပညာရေးတွင် သင်ယူသူသည် အကြောင်းအရာတစ်ခုကို စိတ်ဝင်စားခြင်း သို့မဟုတ် ငြီးငွေ့ခြင်းရှိ၊