Νέο πλαίσιο τεχνητής νοημοσύνης προσομοιώνει την ανθρώπινη φυσιολογία για την κατανόηση των συναισθημάτων

Νέο πλαίσιο τεχνητής νοημοσύνης προσομοιώνει την ανθρώπινη φυσιολογία για την κατανόηση των συναισθημάτων

Τα συναισθήματα αποτελούν αναπόσπαστο κομμάτι της ανθρώπινης ψυχολογίας, μια σύνθετη διαδικασία που μας διαφοροποιεί από τις μηχανές. Παρά την πρόοδο της τεχνητής νοημοσύνης (AI), οι μηχανές δεν έχουν τη δυνατότητα να νιώθουν. Ωστόσο, ερευνητές αναζητούν τρόπους να μοντελοποιήσουν υπολογιστικά τη διαδικασία σχηματισμού των συναισθημάτων, προσφέροντας στις μηχανές μια πιο ανθρώπινη κατανόηση των συναισθηματικών καταστάσεων.

Η έρευνα και οι συνεργασίες

Σε αυτό το πλαίσιο, η Επίκουρη Καθηγήτρια Chie Hieida από το Ινστιτούτο Επιστήμης και Τεχνολογίας Nara (NAIST) στην Ιαπωνία, σε συνεργασία με τον Επίκουρο Καθηγητή Kazuki Miyazawa και τον τότε μεταπτυχιακό φοιτητή Kazuki Tsurumaki από το Πανεπιστήμιο του Οσάκα, εξετάζουν υπολογιστικές προσεγγίσεις για το μοντέλο σχηματισμού συναισθημάτων. Σε μια πρόσφατη μελέτη, η ομάδα ανέπτυξε ένα υπολογιστικό μοντέλο που στοχεύει να εξηγήσει πώς οι άνθρωποι σχηματίζουν την έννοια του συναισθήματος. Η μελέτη δημοσιεύθηκε στο περιοδικό IEEE Transactions on Affective Computing στις 3 Δεκεμβρίου 2025.

Η θεωρία πίσω από το μοντέλο

Το μοντέλο βασίζεται στη θεωρία της κατασκευασμένης συναισθηματικής αντίληψης, η οποία προτείνει ότι τα συναισθήματα δεν είναι έμφυτες αντιδράσεις, αλλά δημιουργούνται τη στιγμή από τον εγκέφαλο. Τα συναισθήματα προκύπτουν από την ενσωμάτωση εσωτερικών σωματικών σημάτων (όπως ο καρδιακός ρυθμός) με εξωτερικές αισθητηριακές πληροφορίες (όπως η όραση και η ακοή), επιτρέποντας στον εγκέφαλο να δημιουργήσει μια έννοια, όχι απλώς μια αντίδραση.

«Αν και υπάρχουν θεωρητικά πλαίσια που εξετάζουν πώς τα συναισθήματα αναδύονται ως έννοιες μέσω της επεξεργασίας πληροφοριών, οι υπολογιστικές διαδικασίες που υποκρύπτουν αυτόν τον σχηματισμό παραμένουν ανεξερεύνητες», δηλώνει η Δρ. Hieida.

Η διαδικασία και τα αποτελέσματα

Για να μοντελοποιήσουν αυτή τη διαδικασία, η ερευνητική ομάδα χρησιμοποίησε το multilayered multimodal latent Dirichlet allocation (mMLDA), ένα πιθανοτικό γενετικό μοντέλο που έχει σχεδιαστεί για να ανακαλύπτει κρυφές στατιστικές σχέσεις και κατηγορίες αναλύοντας πώς διαφορετικοί τύποι δεδομένων συμβαδίζουν, χωρίς να είναι προγραμματισμένο με ετικέτες συναισθημάτων.

Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας μη επισημασμένα δεδομένα που συλλέχθηκαν από 29 συμμετέχοντες οι οποίοι παρακολούθησαν 60 εικόνες από το Διεθνές Σύστημα Συναισθηματικής Εικόνας. Κατά τη διάρκεια της παρακολούθησης, οι ερευνητές κατέγραψαν φυσιολογικές αντιδράσεις, όπως ο καρδιακός ρυθμός, χρησιμοποιώντας φορετούς αισθητήρες και συνέλεξαν λεκτικές περιγραφές. Αυτά τα δεδομένα κατέγραψαν πώς οι άνθρωποι ερμηνεύουν τα συναισθήματα: τι βλέπουν, πώς αντιδρά το σώμα τους και πώς περιγράφουν την εμπειρία τους.

Όταν οι έννοιες συναισθημάτων του εκπαιδευμένου μοντέλου συγκρίθηκαν με τις αυτοαναφερόμενες συναισθηματικές αξιολογήσεις των συμμετεχόντων, το ποσοστό συμφωνίας ήταν περίπου 75%. Αυτό είναι σημαντικά υψηλότερο από ό,τι θα αναμενόταν τυχαία, υποδεικνύοντας ότι το μοντέλο κατηγοριοποίησε έννοιες συναισθημάτων που ταυτίζονται στενά με την ανθρώπινη εμπειρία.

Οι προοπτικές της έρευνας

Μοντελοποιώντας το σχηματισμό συναισθημάτων με τρόπο που αντικατοπτρίζει την ανθρώπινη εμπειρία, αυτή η έρευνα ανοίγει το δρόμο για πιο εξελιγμένα και ευαίσθητα συστήματα AI. «Η ενσωμάτωση οπτικών, γλωσσικών και φυσιολογικών πληροφοριών σε διαδραστικούς ρομπότ και συστήματα AI που κατανοούν τα συναισθήματα θα μπορούσε να επιτρέψει μια πιο ανθρώπινη κατανόηση των συναισθημάτων και ευαίσθητες αντιδράσεις στο πλαίσιο», επισημαίνει η Δρ. Hieida.

Επιπλέον, καθώς το μοντέλο μπορεί να συμπεράνει συναισθηματικές καταστάσεις που οι άνθρωποι ενδέχεται να δυσκολεύονται να εκφράσουν με λόγια, θα μπορούσε να είναι ιδιαίτερα χρήσιμο στην υποστήριξη ψυχικής υγείας, στην παρακολούθηση της υγειονομικής κατάστασης και σε βοηθητικές τεχνολογίες για καταστάσεις όπως αναπτυξιακές διαταραχές ή άνοια.

«Αυτή η έρευνα έχει σημαντικές επιπτώσεις τόσο για την κοινωνία όσο και για τη βιομηχανία, καθώς παρέχει ένα υπολογιστικό πλαίσιο που συνδέει τη θεωρία των συναισθημάτων με την εμπειρική επικύρωση, απαντώντας στην επίμονη ερώτηση για το πώς σχηματίζονται τα συναισθήματα», καταλήγει η Δρ. Hieida.

Η ΨΗΦΙΑΚΗ ΣΑΣ ΕΠΙΚΟΙΝΩΝΙΑ

Στοιχεία επικοινωνίας

Μέλος του emedia

© 2026 – ONCAMERA.gr