Affective Computing

الحوسبة الانفعالية هي فرع من الذكاء الاصطناعي يمكن أنظمة الحاسوب من اكتشاف الانفعال البشري أو تمثيله أو الاستجابة له أو محاكاته. الانفعال هو مصطلح واسع يغطي العواطف والحالات المزاجية والإثارة والتوتر والحالات المرتبطة بها. وبلاً من منح الآلة مشاعر حقيقية، تساعد الحوسبة الانفعالية الآلة على التعرف على الإشارات المرتبطة بالتجربة البشرية وتكييف سلوكها وفقاً لذلك.

يُسمَّى هذا المجال أيضاً الذكاء الاصطناعي العاطفي أو الذكاء الاصطناعي الوجداني، وهو يجمع بين التعلم الآلي، وععلم النفس، والاستشعار، والتفاعل بين الإنسان والحاسوب. تصف مجموعة الحوسبة العاطفية في معهد ماساتشوستس للتكنولوجيا (MIT) هدفها الأوسع بأنه تطوير تقنيات تفهم المشاعر وتستجيب لها بشكل أفضل مع دعم رفاهية الإنسان.

كيف تعمل الحوسبة الانفعالية#

يتبع النظام الانفعالي عادةً مسار عمل يشتمل على الإدراك والاستجابة:

1. التقاط الإشارات: تجمع الكاميرات أو الميكروفونات أو المستشعرات القابلة للارتداء أو سجلات التفاعل أو واجهات النصوص بيانات قابلة للملاحظة. وتشمل الأمثلة حركة الوجه وشدة الصوت ووضع الجسم ومعدل ضربات القلب واختيار الكلمات.
2. استخراج الميزات: قد يحدد نموذج رؤية الحاسوب وجوه الأشخاص أو النقاط الرئيسية للجسم، بينما تحلل نماذج الكلام ونماذج معالجة اللغات الطبيعية الصوت أو النص.
3. تقدير الانفعال: يقوم نموذج تصنيف أو انحدار بربط الميزات المستخرجة بتسميات مثل "محبط" أو "هادئ"، أو بقيم مستمرة مثل الإثارة من المستوى المنخفض إلى المرتفع.
4. استخدام السياق: يجمع النظام الإشارات مع معلومات الموقف. فقد يعني ارتفاع الصوت أثناء حدث رياضي الحماس، بينما قد يشير نفس الإجراء أثناء دعم العملاء إلى الإحباط.
5. اختيار الاستجابة: قد يغير التطبيق صياغته أو يقدم المساعدة أو يقلل المقاطعات أو يطلب مراجعة بشرية.

تستخدم العديد من الأنظمة الذكاء الاصطناعي متعدد الوسائط لعدم وجود قناة واحدة تنقل العاطفة بشكل موثوق. ويمكن أن يوفر جمع الفيديو والكلام والنص والاشارات الفسيولوجية سياقاً أكبر، ولكنه يزيد أيضاً من متطلبات الخصوصية والحوكمة للبيانات.

المفاهيم ذات الصلة والفروق الرئيسية#

تتداخل الحوسبة الانفعالية مع العديد من مجالات الذكاء الاصطناعي ولكن لها هدف مختلف:

• تحليل المشاعر: يقوم عادةً بتصنيف الآراء المعبر عنها في النص على أنها إيجابية أو سلبية أو محايدة. الحوسبة الانفعالية أوسع نطاقاً وقد تقدر المزاج أو التوتر أو المشاركة أو الإثارة من إشارات متعددة.
• التعرف على الوجه: يحاول تحديد الهوية. وبدلاً من ذلك، يفحص تحليل الانفعال في الوجه الميزات المرتبطة بالتعبير المرئي. ولا تثبت أي من المهام ما يشعر به الشخص داخلياً.
• التعرف على الأنشطة: يحدد الأنشطة مثل المشي أو التلويح أو السقوط. قد تستخدم الحوسبة الانفعالية هذه السلوكيات كدليل سياقي ولكنها تحاول نمذجة حالة انفعالية أو اختيار استجابة واعية للانفعال.
• الحوسبة المعرفية: تغطي الأنظمة المصممة لدعم الاستدلال واتخاذ القرارات الشبيهة بالبشر. وتركز الحوسبة الانفعالية بشكل خاص على العاطفة والولاءات البشرية المرتبطة بها.

يشير مصطلح "البرمجيات الانفعالية" إلى التطبيقات التي تحتوي على هذه الإمكانيات، بينما تعد "تقنية المشاعر" وصفاً غير رسمي وأقل دقة. يعالج النظام الإشارات القابلة للقياس والأنماط الإحصائية، ولا يلاحظ الأفكار أو المشاعر مباشرة.

التطبيقات الواقعية#

توضح ممارستان ملموسستان كيف يمكن للحوسبة الانفعالية التأثير على سلوك الذكاء الاصطناعي:

• الألعاب التكيفية: يمكن للعبة جمع وضع اللاعب ونشاط وحدة التحكم والإخفاقات المتكررة وسرعة التفاعل لتقدير الإحباط أو المشاركة. وقد تقدم تلميحاً أو تضبط الصعوبة أو تأجل الانقطاع. النتيجة المفيدة ليست الادعاء بأن اللاعب لديه عاطفة محددة واحدة، بل استجابة تكيفية تعتمد على أدلة غير مؤكدة.

• المساعدة داخل المركبة: يمكن لـ نظام مراقبة السائق تحليل وضع الرأس ووضع الجسم وإغلاق العين وسلوك القيادة بحثاً عن علامات مرتبطة بالإرهاق أو انخفاض الانتباه. وقد يصدر بعد ذلك تنبيهاً أو يوصي بأخذ استراحة. يجب أن تأخذ مؤشرات السلامة القابلة للملاحظة الأولوية على التسميات التخمينية مثل "سائق غاضب".

تتطلب التطبيقات المتعلقة بالصحة عناية إضافية. تؤكد إرشادات منظمة الصحة العالمية بشأن الذكاء الاصطناعي الأخلاقي للصحة على الاستقلالية والسلامة والشفافية والمساءلة والإنصاف عندما يؤثر الذكاء الاصطناعي على الصحة أو الرفاهية.

سياق رؤية الحاسوب العملي#

يمكن أن يوفر تقدير الوضعية نقاط رئيسية للجسم كمدخل واحد لخط أنابيب انفعالي. يحدد مثال Ultralytics YOLO26 وضعية الإنسان:

from ultralytics import YOLO

# Load a pretrained pose estimation model
model = YOLO("yolo26n-pose.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Select and save the visualized result
result = results[0]
result.save(filename="pose_result.jpg")

يُظهر الناتج نقاط الجسم الرئيسية المكتشفة؛ وهو لا يستنتج العاطفة. سيتطلب التطبيق الانفعالي الكامل تسميات خاصة بالغرض ومدخلات سياقية وعدم يقين معاير وطبقة قرار مصدقة بشكل منفصل. ويمكن للفرق استخدام منصة Ultralytics للتعليق على مجموعة بيانات السحاب والتدريب والنشر والمراقبة عند تطوير المكونات المرئية لمثل هذا النظام.

المخاطر والتصميم المسؤول#

تكون التسميات المرتبطة بالعاطفة ذاتية ويمكن أن تختلف باختلاف الأفراد والثقافات والبيئات والمصنفين. قد تخطئ الأنظمة سيئة التصميم في اعتبار الإعاقة أو الاختلاف العصبي أو الإضاءة أو اللهجة أو السلوك العادي حالة عاطفية. ينبغي على المطورين التدقيق في انحياز مجموعة البيانات، وتقييم الأداء عبر المجموعات ذات الصلة، ودعم المخرجات غير المؤكدة أو التي تعذر تحديدها، وتجنب استخدام التنبؤات كحقائق لا تقبل الشك.

يمكن أن تتضمن البيانات الانفعالية أيضاً معلومات حساسة تتعلق بالوجه أو الصوت أو السلوك أو الفسيولوجيا. يوفر إطار عمل إدارة مخاطر الذكاء الاصطناعي للمعهد الوطني للمقاييس والتكنولوجيا وإطار عمل الخصوصية للمعهد الوطني للمقاييس والتكنولوجيا أسسًا عملية لضوابط المخاطر والخصوصية، بينما تسلط سياسة معلومات القياسات الحيوية للجنة التجارة الفيدرالية الضوء على المخاوف التي تنطوي على مطالبات دقة غير مدعومة وجمع خفي وتحيز ومراقبة غير كافية.

تعتمد المتطلبات على الولاية القضائية والسياق. على سبيل المثال، تقيد قواعد قانون الذكاء الاصطناعي للاتحاد الأوروبي بشأن التعرف على المشاعر استخدامه في أماكن العمل والمؤسسات التعليمية، مع استثناءات طبية وسلامة ضيقة. يجب أن تحصل الأنظمة المسؤولة على موافقة ذات مغزى، وتقليل البيانات المحفوظة، وتوثيق القيود، والحفاظ على الرقابة البشرية، واستخدام مراقبة النماذج المستمرة لتحديد الفشل بعد النشر.