El avance de las asociaciones entre humanos y máquinas requiere la detección de emociones y respuestas apropiadas en contexto, pero es un problema difícil.
Imagen: olly – stock.adobe.com
De todos los tipos potenciales de análisis, el análisis de emociones es uno de los más difíciles de perfeccionar porque las emociones humanas son complejas. Por ejemplo, existen reacciones genuinas y fabricadas, así como diferencias culturales e individuales que dan forma a nuestras percepciones y comportamientos. También hay otras cosas a considerar, como el contexto. Si bien la analítica de emociones es claramente importante para el futuro de la analítica, la inteligencia artificial, la robótica, la automatización inteligente y las aplicaciones, la emoción de las primeras etapas puede generar expectativas poco realistas.
“Detectar y clasificar la emocionalidad sigue siendo un problema desafiante”, dijo Manish Kothari, presidente del instituto de investigación SRI International, que actualmente está desarrollando tecnología automotriz avanzada de Inteligencia Artificial Emocional que permitirá a la próxima generación de vehículos detectar las emociones de los conductores y responder en consecuencia. “Es fácil detectar la excitación extrema, la felicidad extrema o la infelicidad extrema, pero detectar los elementos más sutiles sigue siendo un desafío”.
El contexto mejora la precisión, como tener un diagnóstico o un conjunto de conocimientos que indique que una persona está deprimida, dijo.
Quién está adoptando el análisis de emociones
Dan Simion, vicepresidente de inteligencia artificial y análisis de Capgemini North America, dijo que su compañía está experimentando una mayor adopción entre los clientes orientados al consumidor en las industrias de medios, entretenimiento, comercio minorista y viajes y hospitalidad.
Dan Simion, Capgemini
Por ejemplo, Capgemini trabajó con un proveedor de medios para detectar la emoción de una audiencia en vivo en el estudio. Al usar una cámara en vivo para monitorear a la audiencia, pudieron comprender qué segmentos de los programas recibieron respuestas más positivas que otros y adaptar el ritmo de los programas y segmentos. Incluso los temas podrían ajustarse para aumentar la participación de la audiencia.
Los chatbots parecen un caso de uso obvio, pero Simion dijo que las organizaciones están más interesadas en implementarlos para reducir costos que el análisis de emociones. Otras áreas de tracción lenta incluyen empresas B2B y grupos focales.
Simion dijo que los cruceros están utilizando imágenes de cámaras de seguridad para monitorear las emociones de los huéspedes mientras participan en diferentes actividades.
Cómo analizar la emoción
Comprender las emociones implica analizar pistas verbales y no verbales.
“La vía óptima sería utilizar las tres modalidades específicas”, dijo Kothari de SRI. “Uno sería la visión por computadora porque los gestos faciales, los gestos corporales y el lenguaje corporal se comunican mucho. El segundo es la entonación de la voz y el tercero son las palabras en sí”.
Manish Kothari, SRI Internacional
La detección de emociones sería mucho más fácil si los humanos se expresaran de manera homogénea. Sin embargo, los antecedentes culturales y las experiencias de vida únicas influyen en la expresión personal.
Michelle Niedziela, vicepresidenta de investigación e innovación de la firma de investigación de mercado HCD Research, dijo que los anunciantes y sus agencias pueden entusiasmarse demasiado con las respuestas “felices” que genera un anuncio cuando la respuesta puede haber sido un reflejo natural.
“Si te sonrío, me devuelves la sonrisa de forma innata. Entonces, una cosa es que realmente se sienten felices o simplemente se proyectan felices”. dijo Niedziela. “Pero también, ¿qué tan grande debe ser una sonrisa para ser interpretada como feliz?”
Incluso los sensores de cámara baratos están mejorando, pero algunos de ellos pueden no ser capaces de detectar matices sutiles en la geometría facial o proporcionar el mismo grado de confiabilidad entre individuos que representan diferentes razas. Además, las cosas que cambian la apariencia de un individuo como sombreros, flequillos o vello facial pueden afectar negativamente la precisión de la detección de emociones.
“En mi opinión, los dos mayores desafíos son la calidad del hardware y los modelos”, dijo Simion de Capgemini. “Debe tener mucho cuidado cuando se habla de emocionalidad, es el conjunto de datos que va a utilizar porque si sólo va a llamar a las API normales de los proveedores de la nube, eso no ayudará mucho”.
Al igual que Kothari de SRI, Niedziela de HCD aboga por un enfoque holístico del análisis de emociones.
“Si estás estudiando champú, no solo preguntes si [a person] le guste o no. Haces un montón de preguntas hedónicas, como ¿qué tan pegajoso fue? ¿Cuánto hizo espuma? ¿Cómo olía? Y luego también tiene emoción y comportamiento de compra “, dijo Niedziela.” Si usa un enfoque bayesiano, entonces puede tomar todos esos datos, diseñarlos y ver si cambia el tamaño de la burbuja en la espuma, cómo va para impulsar el gusto “.
Niedziela también captura cambios de estado para determinar cómo algo como el aroma de un champú o un anuncio de televisión ha afectado el estado emocional de alguien.
Michelle Sunday, Investigación de HCD
“Si solo mide a las personas sin ningún tipo de cambio de contexto para la línea de base o diferencias entre las experiencias, entonces es realmente difícil decir lo que está midiendo”, dijo Niedziela. “Sin eso, podría estar midiendo que te despertaste del lado equivocado de la cama ese día y eso no es tan informativo”.
Las capacidades de análisis de emociones están disponibles ahora que abordan los elementos visuales, de voz y de texto. Por ejemplo, las soluciones de codificación facial están disponibles en iMotions, Visage Technologies y Noldus, mientras que Affectiva combina visión por computadora, análisis del habla y aprendizaje profundo. Twinworld y ParallelDots ofrecen una API de análisis de texto. Luego, en el lado del consumidor, la pulsera de fitness Amazon HALO analiza la entonación vocal para que los usuarios puedan monitorear sus estados emocionales a lo largo del día.
Cuidado con simplificar demasiado el problema
La simplificación excesiva de un estado emocional podría llevar a conclusiones erróneas. Por un lado, las emociones no son mutuamente excluyentes, razón por la cual las personas a veces dicen que “tienen sentimientos encontrados” sobre algo. Del mismo modo, una experiencia agridulce es a la vez feliz y triste. Además, un individuo puede reaccionar de manera diferente al mismo estímulo en diferentes contextos.
La simplificación excesiva de la analítica también es problemática.
“Nunca debe confiar únicamente en la neurociencia o en alguna herramienta nueva y elegante porque necesita integrarse en otros aspectos. Aún tiene que pedirle a la gente que [describe] sus experiencias “, dijo Niedziela.” También están sucediendo muchas cosas cognitivas que están impulsando los comportamientos, por lo que es importante comprender, apreciar y respetar que los humanos son complejos, los cerebros son complejos “.
Otras Consideraciones
También resulta que lo que funciona bien entre humanos puede no funcionar tan bien entre humanos y máquinas. Por ejemplo, una razón por la que los psicólogos repiten lo que dice un paciente es para hacer que el paciente se sienta “escuchado”. Los agentes del orden utilizan la misma técnica para reducir las situaciones de crisis.
¿Debería hacer lo mismo un chatbot de CRM? Sí, pero no en el mismo grado porque el contexto es diferente. Después de todo, los clientes se comunican con el soporte para acelerar la resolución de un problema. Compare eso con un robot de apoyo emocional, que por definición debe ser capaz de reconocer y responder a las emociones humanas.
Otra consideración es el nivel de precisión que requiere un caso de uso.
“Si tu eres [trying to determine] si una persona tiene tendencias suicidas o no y va a llamar al 911 automáticamente, eso requiere un alto nivel de precisión “, dijo Kothari del SRI.” Si está tratando de determinar si alguien está somnoliento en un automóvil y desea dar Si les da una ráfaga de aire frío, entonces está dispuesto a aceptar algunos falsos positivos para evitar la circunstancia. Diferentes situaciones y diferentes acciones requieren diferentes niveles de precisión “.
La analítica de emociones sigue madurando y los casos de uso son prácticamente infinitos. Con el tiempo, las capacidades se convertirán en la corriente principal, como lo demuestra un número creciente de llamadas a API, aplicaciones y servicios emocionalmente sensibles, asociaciones industriales, fusiones, adquisiciones y otros indicadores de crecimiento del mercado. Verified Market Research estima que el mercado global de análisis de emociones se triplicará de $ 1,82 mil millones en 2018 a $ 5,46 mil millones para 2026.
Lisa Morgan es una escritora independiente que cubre big data y BI para InformationWeek. Ha contribuido con artículos, informes y otros tipos de contenido a varias publicaciones y sitios que van desde SD Times hasta Economist Intelligent Unit. Las áreas frecuentes de cobertura incluyen … Ver biografía completa Agradecemos sus comentarios sobre este tema en nuestros canales de redes sociales, o [contact us directly] con preguntas sobre el sitio.
Más información
! function (f, b, e, v, n, t, s) {if (f.fbq) return; n = f.fbq = function () {n.callMethod? n.callMethod.apply (n, argumentos): n.queue.push (argumentos)}; if (! f._fbq) f._fbq = n; n.push = n; n.loaded =! 0; n.version = ‘2.0’; n.queue =[] ; t = b.createElement (e); t.async =! 0; t.src = v; s = b.getElementsByTagName (e)[0] ; s.parentNode.insertBefore (t, s)} (ventana, documento, ‘script’, ‘https: //connect.facebook.net/en_US/fbevents.js’); fbq (‘init’, ‘832000476880185’); fbq (‘pista’, ‘Vista de página’); (función (d, s, id) {var js, fjs = d.getElementsByTagName (s)[0] ; if (d.getElementById (id)) return; js = d.createElement (s); js.id = id; js.src = “//connect.facebook.net/en_US/all.js#xfbml=1&appId=640989409269461”; fjs.parentNode.insertBefore (js, fjs); } (documento, ‘script’, ‘facebook-jssdk’));
Source: https://www.informationweek.com/big-data/ai-machine-learning/emotion-detection-in-tech-its-complicated/a/d-id/1339915?_mc=rss_x_iwr_edt_aud_iw_x_x-rss-simple
