بروزرسانی: 27 خرداد 1404
هوش مصنوعی احساسات ورزشکاران را تشخیص می دهد | ScienceDaily
محققان مؤسسه فناوری کارلسروهه (KIT) و دانشگاه دویسبورگ-اسن با استفاده از شبکه های عصبی به کمک رایانه، توانسته اند حالت های عاطفی را از زبان بدن بازیکنان تنیس در طول بازی به دقت شناسایی کنند. برای اولین بار، آنها مدلی مبتنی بر هوش مصنوعی (AI) را با داده های بازی های واقعی آموزش دادند. مطالعه آنها که در مجله Knowledge-Based Systems منتشر شده است، نشان می دهد که هوش مصنوعی می تواند زبان بدن و احساسات را با دقتی مشابه با انسان ارزیابی کند. با این حال، به نگرانی های اخلاقی نیز اشاره می کند.
محققان علوم ورزشی، توسعه نرم افزار و علوم کامپیوتر از KIT و دانشگاه دویسبورگ-اسن برای مطالعه خود، "تشخیص حالات عاطفی از رفتار بیانی بازیکنان تنیس با استفاده از شبکه های عصبی کانولوشنال"، یک مدل هوش مصنوعی ویژه توسعه دادند. آنها از برنامه های تشخیص الگو برای تجزیه و تحلیل ویدئوهای بازیکنان تنیس که در طول بازی های واقعی ضبط شده بودند استفاده کردند.
میزان موفقیت 68.9 درصد
پروفسور Darko Jekauc از موسسه ورزش و علوم ورزشی KIT گفت: «مدل ما می تواند حالات عاطفی را با دقت 68.9 درصد شناسایی کند، که قابل مقایسه و گاهی حتی برتر از ارزیابی های انجام شده توسط ناظران انسانی و روش های خودکار قبلی است».
یکی از ویژگی های مهم و منحصر به فرد این مطالعه، استفاده تیم پروژه از صحنه های واقعی به جای موقعیت های شبیه سازی شده یا ساختگی برای آموزش سیستم هوش مصنوعی است. محققان سکانس های ویدئویی از 15 تنیس باز را در یک محیط خاص، با تمرکز بر زبان بدنی که در هنگام کسب یا از دست دادن یک امتیاز نمایش داده می شود، ضبط کردند. این ویدئوها بازیکنانی را با نشانه هایی از جمله سر پایین، بازوهایی که در حالت شادی بالا آورده بودند، راکت آویزان، یا تفاوت در سرعت راه رفتن را نشان می دادند. این نشانه ها می تواند برای شناسایی حالت های عاطفی بازیکنان مورد استفاده قرار گیرد.
پس از تغذیه با این داده ها، هوش مصنوعی یاد گرفت که سیگنال های زبان بدن را با واکنش های عاطفی مختلف مرتبط کند و تعیین کند که آیا یک امتیاز کسب شده است (زبان بدن مثبت) یا از دست رفته (زبان بدن منفی). Jekauc گفت: "آموزش در زمینه های طبیعی پیشرفت قابل توجهی برای شناسایی حالات عاطفی واقعی است و پیش بینی ها را در سناریوهای واقعی ممکن می کند."
انسان ها و ماشین ها احساسات منفی را بهتر از احساسات مثبت تشخیص می دهند
این تحقیق نه تنها نشان می دهد که الگوریتم های هوش مصنوعی ممکن است بتوانند در توانایی خود برای شناسایی احساسات در آینده از ناظران انسانی پیشی بگیرند، بلکه جنبه جالب دیگری را نیز نشان داد: هم انسان ها و هم هوش مصنوعی در تشخیص احساسات منفی بهتر هستند. جکاوک می گوید: «دلیل آن می تواند این باشد که شناسایی احساسات منفی آسان تر است، زیرا آنها به روش های واضح تری بیان می شوند. نظریه های روان شناختی نشان می دهند که افراد از نظر تکاملی بهتر برای درک عبارات احساسی منفی سازگار هستند، برای مثال به این دلیل که خنثی کردن سریع موقعیت های درگیری برای انسجام اجتماعی ضروری است.
جنبه های اخلاقی قبل از استفاده نیاز به توضیح دارد
این مطالعه تعدادی از برنامه های ورزشی را برای تشخیص احساسات قابل اعتماد، مانند بهبود روش های تمرین، پویایی و عملکرد تیم، و جلوگیری از فرسودگی، پیش بینی می کند. سایر زمینه ها، از جمله مراقبت های بهداشتی، آموزش، خدمات مشتری و ایمنی خودرو نیز می توانند از تشخیص زودهنگام قابل اعتماد حالات عاطفی بهره ببرند.
جکاوک گفت: "اگرچه این فناوری چشم انداز مزایای قابل توجهی را ارائه می دهد، اما خطرات بالقوه مرتبط با آن نیز باید در نظر گرفته شود، به ویژه آنهایی که مربوط به حریم خصوصی و سوء استفاده از داده ها هستند." "مطالعه ما کاملاً به دستورالعمل های اخلاقی موجود و مقررات حفاظت از داده ها پایبند بود. و با توجه به کاربردهای آتی چنین فناوری در عمل، روشن کردن مسائل اخلاقی و قانونی پیش از موعد ضروری است."
منبع