[ad_1]

پیشرفت مشارکت انسان و ماشین نیاز به کشف احساسات و واکنشهای مناسب در متن دارد ، اما این یک مشکل دشوار است.

تصویر: olly - stock.adobe.com

تصویر: olly – stock.adobe.com

از بین انواع بالقوه تجزیه و تحلیل ، تجزیه و تحلیل احساسات یکی از دشوارترین آنهاست زیرا احساسات انسان پیچیده است. به عنوان مثال ، واکنش های واقعی و واکنش های خیالی و همچنین تفاوت های فرهنگی و فردی وجود دارد که برداشت ها و رفتارهای ما را شکل می دهد. در متن موارد دیگری نیز وجود دارد که باید در نظر گرفته شود. در حالی که تجزیه و تحلیل احساسات به وضوح برای آینده تجزیه و تحلیل ، هوش مصنوعی ، رباتیک ، اتوماسیون هوشمند و برنامه ها مهم است ، هیجان در مراحل اولیه می تواند انتظارات غیرواقعی را به همراه داشته باشد.

مانیش کوتاری ، رئیس انستیتوی تحقیقات بین المللی SRI ، که هم اکنون در حال توسعه فناوری پیشرفته خودرو برای هوش مصنوعی احساسی است که به نسل بعدی وسایل نقلیه امکان می دهد احساسات رانندگان را تشخیص دهند ، گفت: “کشف و طبقه بندی احساسات هنوز هم یک مسئله چالش برانگیز است.” بر این اساس واکنش نشان دهند. “یافتن هیجان شدید ، خوشحالی شدید یا ناراحتی شدید آسان است ، اما یافتن عناصر دقیق تر هنوز هم یک چالش است.”

وی گفت ، زمینه دقت ، مانند تشخیص یا مجموعه ای از دانش را که نشان می دهد فرد افسرده است ، بهبود می بخشد.

چه کسی تحلیل احساسات را درک می کند

Dan Simion ، معاون رئیس AI و Analytics Capgemini برای آمریکای شمالی ، گفت که شرکت وی درک بیشتری از مصرف کننده را در رسانه ها ، سرگرمی ، خرده فروشی و صنعت گردشگری می بیند.

دن سیمونی ، کاپژمینی

دن سیمونیون ، کاپژمینی

به عنوان مثال ، Capgemini با یک ارائه دهنده رسانه کار کرد تا احساسات مخاطبان زنده را در یک استودیو کشف کند. با استفاده از یک نمایش زنده دوربین برای نظارت بر مخاطب ، آنها می توانند بفهمند کدام بخشهای نمایش پاسخ مثبت بیشتری نسبت به بقیه دارند و سرعت نمایش و بخشها را تنظیم کنند. حتی موضوعات را می توان برای افزایش درگیری مخاطبان تنظیم کرد.

به نظر می رسد چت بات ها یک مورد استفاده واضح است ، اما سیمایون گفت که سازمان ها بیشتر از تحلیل احساسات ، به دنبال اجرای آنها برای کاهش هزینه ها هستند. مناطق دیگر کشش آهسته شامل شرکت های B2B و گروه های متمرکز است.

سیميون اظهار داشت: كشتی های تفریحی برای كنترل احساسات میهمانان هنگام انجام فعالیت های مختلف ، از انتشار دوربین امنیتی استفاده می كنند.

چگونه می توان احساسات را تحلیل کرد

درک احساسات شامل تجزیه و تحلیل سرنخ های کلامی و غیرکلامی است.

کوتاری از SRI گفت: “بهترین راه استفاده از هر سه شرایط خاص است.” “یکی می تواند بینایی رایانه باشد ، زیرا حرکات صورت ، حرکات بدن و زبان بدن ارتباط زیادی برقرار می کنند. دوم ، صدای صدا است و سوم خود کلمات هستند.”

مانیش کوتاری ، بین المللی SRI

مانیش کوتاری ، بین المللی SRI

اگر افراد خود را به روشهای یکدست ابراز کنند ، تشخیص احساسات بسیار ساده تر خواهد بود. با این حال ، پیشینه فرهنگی و تجارب منحصر به فرد زندگی ، بیان شخصی را تحت تأثیر قرار می دهد.

میشل نیدزیلا ، معاون تحقیقات و نوآوری در شرکت تحقیقات بازار HCD Research ، گفت: تبلیغ کنندگان و آژانس های آنها ممکن است بیش از حد از پاسخ های “خوشحال” که تبلیغات را تحریک می کنند ، بسیار هیجان زده شوند در حالی که پاسخ ممکن است بازتاب طبیعی باشد.

“اگر من به شما لبخند بزنم ، شما ذاتاً لبخند می زنید. بنابراین ، یک چیز ، آیا آنها واقعاً احساس خوشبختی می کنند یا فقط خوشحال طراحی می کنند؟” گفت نیدزیلا. “اما همچنین لبخند چقدر باید بزرگ باشد تا به عنوان خوشحال تعبیر شود؟”

حتی سنسورهای ارزان قیمت دوربین نیز در حال بهبود هستند ، اما برخی از آنها ممکن است نتوانند تفاوت های ظریف در هندسه صورت را تشخیص دهند یا همان درجه اطمینان را در بین افراد از نژادهای مختلف فراهم کنند. همچنین مواردی که ظاهر فرد را تغییر می دهند ، مانند کلاه ، موی سر یا موهای صورت ، می توانند بر دقت احساسات تأثیر منفی بگذارند.

سیميون به Capgemini گفت: “من فكر مي كنم كه دو چالش بزرگ كيفيت سخت افزار و مدل ها هستند.” “وقتی می گویید احساسی بودن مجموعه داده هایی است که استفاده خواهید کرد ، باید بسیار مراقب باشید ، زیرا اگر فقط با API های معمولی ارائه دهندگان ابری تماس بگیرید ، کمک چندانی نخواهد کرد.

مانند کوتاری از SRI ، Niedziela از HCD طرفدار یک رویکرد جامع در تجزیه و تحلیل احساسات است.

“اگر شما در حال مطالعه شامپو هستید ، فقط نمی پرسید که آیا [a person] دوست داشته باشی یا نه. شما یک سری س heالات لذت گرایانه می پرسید ، مثل اینکه چقدر چسبنده است؟ چقدر کف کرد؟ چه بوي داشت؟ و سپس شما همچنین احساسات و رفتار را هنگام خرید تجربه می کنید ، “گفت Niedziela.” اگر از رویکرد بیزی استفاده می کنید ، می توانید تمام این داده ها را بگیرید ، آنها را افشا کنید و ببینید آیا اندازه حبابهای کف را تغییر می دهم ، چگونه آن را دوست دارم. “

Niedziela همچنین تغییرات شرایط را ثبت می کند تا تعیین کند چگونه چیزی مانند رایحه شامپو یا تبلیغات تلویزیونی بر وضعیت احساسی کسی تأثیر گذاشته است.

هفته میشل ، تحقیقات HCD

هفته میشل ، تحقیقات HCD

نیدزیلا گفت: “اگر شما فقط افراد را بدون هیچ تغییری در زمینه مبنا یا تفاوت بین تجربیات اندازه گیری می کنید ، بنابراین گفتن آنچه را که اندازه گیری می کنید واقعاً دشوار است.” “بدون آن ، شاید من فقط اندازه گیری می کنم که شما آن روز در سمت اشتباه تخت از خواب بیدار شده اید و این خیلی آموزنده نیست.”

اکنون فرصت هایی برای تجزیه و تحلیل احساسات موجود در رابطه با عناصر بصری ، صوتی و متنی در دسترس است. به عنوان مثال ، راه حل های کدگذاری صورت توسط iMotions ، Visage Technologies و Noldus ارائه می شود ، در حالی که Affectiva بینایی رایانه ، تجزیه و تحلیل گفتار و یادگیری عمیق را ترکیب می کند. Twinworld و ParallelDots یک API تجزیه و تحلیل متن را ارائه می دهند. سپس از طرف مصرف کنندگان ، دستبند تناسب اندام آمازون HALO صدای صوتی را تجزیه و تحلیل می کند تا مصرف کنندگان بتوانند وضعیت احساسی خود را در طول روز کنترل کنند.

مراقب ساده سازی مشکل باشید

ساده سازی بیش از حد حالت عاطفی می تواند منجر به نتیجه گیری غلط شود. از یک طرف ، احساسات از یکدیگر جدا نیستند ، به همین دلیل است که مردم گاهی اوقات می گویند “نسبت به چیزی” احساسات مختلفی دارند. به همین ترتیب ، تجربه تلخ هم شاد و هم غم انگیز است. علاوه بر این ، ممکن است فرد در زمینه های مختلف به محرک مشابه پاسخ متفاوت دهد.

ساده سازی تحلیل نیز مسئله ساز است.

“شما هرگز نباید فقط به عصب شناسی یا ابزار پیچیده جدید اعتماد کنید ، زیرا شما باید در جنبه های دیگر ادغام شوید. شما هنوز هم باید از مردم بخواهید [describe] تجارب آنها ، “Niedziela گفت. بسیاری از موارد شناختی نیز وجود دارد که باعث رفتارهای رانندگی می شود ، بنابراین مهم است که درک کنیم افراد پیچیده هستند ، مغز پیچیده است. “

ملاحظات دیگر

همچنین معلوم می شود که آنچه بین افراد خوب کار می کند ممکن است بین مردم و ماشین ها خوب عمل نکند. به عنوان مثال ، یکی از دلایلی که روانشناسان گفته بیمار را تکرار می کنند ، ایجاد احساس “شنیدن” در بیمار است. مأموران اجرای قانون از همان روش برای تنش زدایی در شرایط بحرانی استفاده می کنند.

آیا یک chatbot CRM باید همین کار را انجام دهد؟ بله ، اما نه به همان میزان ، زیرا زمینه متفاوت است. در نهایت ، مشتریان برای تسریع در حل مشکل با تیم پشتیبانی تماس می گیرند. این را با یک روبات پشتیبانی عاطفی مقایسه کنید ، که طبق تعریف باید بتواند احساسات انسان را تشخیص داده و به آنها پاسخ دهد.

یکی دیگر از ملاحظات ، میزان دقت مورد نیاز یک مورد است.

“اگر شما [trying to determine] کوتاری از SRI گفت: “چه شخصی خودکشی کند یا نکند و شما به طور خودکار با 911 تماس بگیرید ، این امر به دقت بالایی نیاز دارد.” اگر می خواهید بفهمید شخصی در اتومبیل خوابیده است یا خیر ، اگر منفجر شده باشد می خواهد به او بدهد یا نه ، پس مایلید چند مثبت کاذب را بپذیرید تا از این شرایط جلوگیری کنید. شرایط مختلف و اقدامات مختلف به سطوح مختلفی از دقت نیاز دارند. “

تجزیه و تحلیل احساسات به بلوغ ادامه می یابد و موارد استفاده عملاً بی پایان است. در نهایت ، این فرصت ها گسترده خواهد شد ، و این به دلیل افزایش تعداد تماس های API ، برنامه ها و خدمات حساس از نظر عاطفی ، مشارکت های صنعت ، ادغام ها ، ادغام ها و سایر شاخص های رشد بازار مشهود است. تحقیقات تایید شده بازار تخمین می زند که بازار جهانی تجزیه و تحلیل احساسات از 1.82 میلیارد دلار در سال 2018 به 5.46 میلیارد دلار تا سال 2026 سه برابر شود.

لیزا مورگان یک نویسنده مستقل است که داده های بزرگ و BI را برای InformationWeek پوشش می دهد. وی در مقالات ، گزارش ها و انواع دیگر مطالب در نشریات و سایت های مختلف شرکت کرده است ، از SD Times گرفته تا واحد هوشمند اکونومیست. مناطق مشترک پوشش شامل … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsال در مورد سایت.

بینش بیشتر



[ad_2]

منبع: tasiveh-news.ir