Զգացմունքների վերլուծություն. Կարո՞ղ են մեքենաները հասկանալ, թե ինչ ենք մենք զգում:

• Հեղինակ:
• Հեղինակ անունը

  Quantumrun Հեռատեսություն
• Հոկտեմբեր 10, 2023

Insight ամփոփում

Զգացմունքների վերլուծությունը օգտագործում է արհեստական ​​ինտելեկտը մարդու հույզերը խոսքից, տեքստից և ֆիզիկական նշաններից չափելու համար: Տեխնոլոգիան հիմնականում կենտրոնանում է հաճախորդների սպասարկման և ապրանքանիշի կառավարման վրա՝ հարմարեցնելով չաթբոտի պատասխանները իրական ժամանակում: Մեկ այլ վիճելի դիմում է հավաքագրման մեջ, որտեղ մարմնի լեզուն և ձայնը վերլուծվում են աշխատանքի ընդունելու որոշումներ կայացնելու համար: Չնայած իր ներուժին, տեխնոլոգիան քննադատության է արժանացել գիտական ​​հիմքերի բացակայության և գաղտնիության հնարավոր խնդիրների պատճառով: Հետևանքները ներառում են ավելի հարմարեցված հաճախորդների փոխազդեցություններ, բայց նաև ավելի շատ հայցերի և էթիկական մտահոգությունների հնարավորություն:

Զգացմունքների վերլուծության համատեքստ

Զգացմունքների վերլուծությունը, որը նաև հայտնի է որպես զգացմունքների վերլուծություն, թույլ է տալիս արհեստական ​​ինտելեկտին (AI) հասկանալ, թե ինչ է զգում օգտատերը՝ վերլուծելով նրա խոսքի և նախադասության կառուցվածքը: Այս հատկությունը հնարավորություն է տալիս չաթ-բոտերին որոշել սպառողների վերաբերմունքը, կարծիքը և զգացմունքները բիզնեսի, ապրանքների, ծառայությունների կամ այլ թեմաների նկատմամբ: Հիմնական տեխնոլոգիան, որն ապահովում է զգացմունքների վերլուծությունը, բնական լեզվի ըմբռնումն է (NLU):

NLU-ն վերաբերում է այն դեպքերին, երբ համակարգչային ծրագրակազմը ընկալում է մուտքագրումը նախադասությունների տեսքով տեքստի կամ խոսքի միջոցով: Այս ունակությամբ համակարգիչները կարող են հասկանալ հրամանները՝ առանց պաշտոնական շարահյուսության, որը հաճախ բնութագրում է համակարգչային լեզուները: Բացի այդ, NLU-ն թույլ է տալիս մեքենաներին շփվել մարդկանց հետ՝ օգտագործելով բնական լեզուն: Այս մոդելը ստեղծում է բոտեր, որոնք կարող են շփվել մարդկանց հետ առանց հսկողության: 

Ակուստիկ չափումները օգտագործվում են հույզերի վերլուծության առաջադեմ լուծումներում: Նրանք դիտում են ինչ-որ մեկի խոսելու արագությունը, նրանց ձայնի լարվածությունը և զրույցի ընթացքում սթրեսային ազդանշանների փոփոխությունները: Զգացմունքների վերլուծության հիմնական առավելությունն այն է, որ այլ մեթոդների համեմատ չաթ-բոտի զրույցը մշակելու և հարմարեցնելու համար անհրաժեշտ չէ ծավալուն տվյալներ: Մեկ այլ մոդել, որը կոչվում է բնական լեզվի մշակում (NLP) օգտագործվում է զգացմունքների ինտենսիվությունը չափելու համար՝ թվային միավորներ հատկացնելով բացահայտված զգացմունքների համար:

Խանգարող ազդեցություն

Բրենդների մեծ մասը օգտագործում է հուզական վերլուծություն հաճախորդների սպասարկման և կառավարման մեջ: Բոտերը սկանավորում են սոցիալական մեդիայի գրառումները և ապրանքանիշի մասին հիշատակումները առցանց՝ գնահատելու շարունակական տրամադրությունը իր ապրանքների և ծառայությունների նկատմամբ: Որոշ չաթ-բոտեր պատրաստված են անմիջապես արձագանքելու բողոքներին կամ օգտատերերին ուղղորդելու մարդկային գործակալներին՝ իրենց մտահոգությունները լուծելու համար: Զգացմունքների վերլուծությունը թույլ է տալիս չաթ-բոտերին ավելի անձամբ շփվել օգտատերերի հետ՝ հարմարվելով իրական ժամանակում և որոշումներ կայացնելով՝ ելնելով օգտատիրոջ տրամադրությունից: 

Զգացմունքների վերլուծության մեկ այլ օգտագործում է հավաքագրումը, ինչը հակասական է: Հիմնականում կիրառված ԱՄՆ-ում և Հարավային Կորեայում՝ ծրագրակազմը վերլուծում է հարցազրույցի մասնակիցներին մարմնի լեզվի և դեմքի շարժումների միջոցով՝ առանց նրանց իմացության: Մի ընկերություն, որը շատ քննադատության է արժանացել իր AI-ի վրա հիմնված հավաքագրման տեխնոլոգիայի վերաբերյալ, ԱՄՆ-ում գործող HireVue-ն է: Ընկերությունն օգտագործում է մեքենայական ուսուցման ալգորիթմներ՝ պարզելու մարդու աչքերի շարժումները, ինչ է հագնում, և ձայնային մանրամասները՝ թեկնածուին պրոֆիլավորելու համար:

2020 թվականին էլեկտրոնային գաղտնիության տեղեկատվական կենտրոնը (EPIC) հետազոտական ​​կազմակերպությունը, որը կենտրոնանում է գաղտնիության խնդիրների վրա, բողոք է ներկայացրել Առևտրի դաշնային հանձնաժողովին ընդդեմ HireVue-ի՝ նշելով, որ դրա պրակտիկան չի նպաստում հավասարությանը և թափանցիկությանը: Այնուամենայնիվ, մի քանի ընկերություններ դեռևս հիմնվում են տեխնոլոգիայի վրա իրենց հավաքագրման կարիքների համար: Համաձայն Ֆինանսական TimesԱրհեստական ​​ինտելեկտի հավաքագրման ծրագրակազմը 50,000 թվականին Unilever-ին խնայել է 2019 ժամ տևողությամբ աշխատանքի վարձույթ: 

Spiked լրատվական հրատարակությունը հույզերի վերլուծությունն անվանել է «դիստոպիայի տեխնոլոգիա», որը մինչև 25 թվականը կկազմի 2023 միլիարդ դոլար: Քննադատները պնդում են, որ զգացմունքների ճանաչման հետևում գիտություն չկա: Տեխնոլոգիան անտեսում է մարդկային գիտակցության բարդությունները և դրա փոխարեն հիմնվում է մակերեսային ազդանշանների վրա: Մասնավորապես, դեմքի ճանաչման տեխնոլոգիան հաշվի չի առնում մշակութային ենթատեքստերը և այն բազմաթիվ ուղիները, որոնցով մարդիկ կարող են քողարկել իրենց իսկական զգացմունքները՝ ձևացնելով, թե երջանիկ են կամ հուզված:

Զգացմունքների վերլուծության հետևանքները

Զգացմունքների վերլուծության ավելի լայն հետևանքները կարող են ներառել. 

• Խոշոր ընկերություններ, որոնք օգտագործում են զգացմունքների վերլուծության ծրագրակազմ՝ աշխատակիցներին վերահսկելու և աշխատանքի ընդունելու որոշումներն արագ հետևելու համար: Այնուամենայնիվ, դա կարող է բավարարվել ավելի շատ հայցերով և բողոքներով:
• Chatbots, որոնք առաջարկում են տարբեր պատասխաններ և տարբերակներ՝ հիմնված իրենց ընկալած հույզերի վրա: Այնուամենայնիվ, դա կարող է հանգեցնել հաճախորդի տրամադրության ոչ ճշգրիտ նույնականացմանը, ինչը հանգեցնում է ավելի շատ դժգոհ հաճախորդների:
• Ավելի շատ տեխնոլոգիական ընկերություններ ներդրումներ են կատարում զգացմունքների ճանաչման ծրագրային ապահովման մեջ, որը կարող է օգտագործվել հանրային տարածքներում, ներառյալ մանրածախ խանութներում:
• Վիրտուալ օգնականներ, որոնք կարող են առաջարկել ֆիլմեր, երաժշտություն և ռեստորաններ՝ ելնելով իրենց օգտատերերի զգացմունքներից:
• Քաղաքացիական իրավունքների խմբերը բողոքներ են ներկայացնում դեմքի ճանաչման տեխնոլոգիա մշակողների դեմ՝ գաղտնիության խախտման համար:

Հարցեր մեկնաբանելու համար

• Ձեր կարծիքով որքանո՞վ կարող են ճշգրիտ լինել զգացմունքների վերլուծության գործիքները:
• Որո՞նք են մարդկային զգացմունքները հասկանալու մեքենաներին սովորեցնելու մյուս մարտահրավերները: