Lorsqu’un individu présente un faible quotient émotionnel (QE), il est dans certains cas décrit comme ayant des réponses robotiques. Néanmoins, les réponses humaines typiques consistent également à porter des jugements inexacts, comme des impressions superficielles basées sur l’apparence du visage de quelqu’un.
Comprendre comment quelqu’un sera perçu par les autres est une fonction du QE, et un groupe de chercheurs de Le Stevens Institute of Technology déclare avoir formé un algorithme d’IA pour le faire avec une grande précision.
Une étude publiée dans les IEEE Deals on Affective Computing par des scientifiques de deux institutions scolaires japonaises et rapportée par Psychology Today recommande que l’intelligence artificielle utilisée pour des attributs physiologiques normalement non observables peut améliorer considérablement l’analyse des croyances basée sur la parole.
Psychology Today encadre l’article dans le cadre d’un mouvement plus complet visant à développer un QE de type humain dans des services automatisés comme les chatbots.
Le résumé des « Résultats des signaux physiologiques dans divers types d’estimation du sentiment multimodal » explique une fusion n d’informations linguistiques et de données physiologiques pour obtenir une reconnaissance de croyance plus précise.
« Nos résultats recommandent que les fonctions physiologiques fonctionnent dans la conception unimodale où le mélange de représentations linguistiques avec des caractéristiques physiologiques fournit les meilleurs résultats pour se rapprocher les étiquettes d’auto-sentiment telles qu’annotées par les utilisateurs eux-mêmes », écrivent les chercheurs.
L’analyse des sentiments est généralement séparée de la reconnaissance des émotions en fonction du type de données utilisées, et les deux relèvent plus généralement de l’informatique affective. .
Une projection de MarketsandMarkets prévoit que le marché mondial de la détection et de la reconnaissance des émotions augmentera à un taux de croissance annuel solide de 12,9 % pour atteindre 43,3 milliards de dollars d’ici 2027. Les systèmes basés sur la parole devraient prendre le plus grand marché partager, et en plus des chatbots, les applications pour véhicules sont considérées comme parmi les principaux moteurs probables du marché.
Est-ce que j’ai l’air critique ?
Un article contribué à Tech Xplore par Stevens Institute of Innovation détaille la recherche sur l’anticipation de la façon dont les visages des individus seront évalués, qui est publiée dans les Procédures de l’Académie nationale des sciences.
Les « conceptions profondes des jugements de visage superficiels » expliquent l’identification de 34 « attributs sociaux et physiques perçus », tels que la fiabilité et l’âge, sur la base des premières impressions d’images faciales générées par ordinateur. Ces impressions ont été utilisées pour étiqueter les images et former un réseau de neurones pour porter des jugements comparables, avec un succès considérable, selon l’article.
« L’algorithme n’offre pas de retour ciblé ni ne décrit pourquoi une image proposée stimule une personne spécifique jugement », déclare le chercheur principal Jordan Suchow. « Mais même ainsi, cela peut nous aider à comprendre comment nous sommes vus – nous pourrions classer une série d’images en fonction de celle qui vous fait paraître la plus fiable, par exemple, vous permettant de faire des choix sur la façon dont vous vous présentez. »
Toute l’actualité en temps réel, est sur L’Entrepreneur
