مجله هوش مصنوعی شهاب
آنالیز احساسات در حال حاضر بطور گسترده توسط شرکت های مختلف مورد استفاده قرار می گیرد تا روحیه ی مصرف کننده را نسبت به محصول یا مارک تجاری خود در دنیای دیجیتال ارزیابی کند. با این حال ، در دنیای آفلاین نیز کاربران در فروشگاه های خرده فروشی ، نمایشگاه ها و غیره با برندها و محصولات در تعامل هستند. و راه حل اندازه گیری خودکار عکس العمل های کاربران تحت چنین شرایطی همچنان مانند چالش برای شرکت ها باقی مانده است.
تشخیص احساسات به وسیله حالات چهره با استفاده از هوش مصنوعی می تواند یک جایگزین با دوام برای اندازه گیری خودکار میزان تعامل مشتریان با محصولات و برند هایشان باشد.
شرکت ParallelDots ، علم روانشناسی ، واکنش های انسانی و هوش مصنوعی را با یک دیگر ترکیب کرده تا بتوان تفاوت احساسات موجود در چهره یک فرد را بطور خودکار تشخیص دهد. الگوریتم تشخیص احساس چهره آن ها می تواند ۷ نوع از حالات متفتوت احساسی را در زمان واقعی شناسایی کند. در این مطلب قصد داریم توضیح دهیم که چگونه این فناوری می تواند موارد استفاده در دنیای واقعی را به طور موثری حل کند.
۱- ایمن سازی و شخصی سازی خودرو ها
در سراسر جهان تولیدکنندگان خودرو به طور فزاینده ای بر شخصی سازی و ایمن سازی هر چه بیشتر خودرو هایشان تمرکز دارند. به دنبال ساخت ویژگی های هوشمند تر برای خودرو ها، بسیار معقول به نظر می رسد که از هوش مصنوعی برای شناسایی احساسات و حالات چهره رانندگان استفاده کنند. استفاده از تشخیص احساس چهره در خودرو های هوشمند می تواند برای مثال چهره خواب آلوده راننده را تشخیص داده و به او هشدار دهد.
وزارت حمل و نقل ایالات متحده ادعا می کند که خطاهای مربوط به رانندگی باعث ۹۵% از تصادفات جاده ای می شوند. شناسایی احساس چهره می تواند تغییرات جزئی در چهره فرد راننده را پیدا می کند و به فرد هشدار های شخصی می دهد و از راننده درخواست می کند تا برای صرف قهوه اندکی صبر کند، آهنگ و یا دمای محیط را تغییر دهد تا احساس خواب آلودگی از بین رفته و تصادفات کاهش بیابد.
۲- تشخیص احساس چهره در مصاحبه
تعامل کاندیدای مصاحبه شونده، در بسیاری از مقولات داوری و ایجاد ذهنیت بسیار حساس است. چنین ذهنیتی شرایط را برای تعیین این که آیا شخصیت کاندیدا مناسب شغل مورد نظر هست یا خیر، سخت می کند. شناسایی آنچه که یک نامزد در تلاش است بگوید ، به دلیل لایه های متعدد تفسیر زبان ، تعصبات شناختی و زمینه ای که بین آن وجود دارد ، از دست ما خارج است. اینجا هوش مصنوعی به کار می آید که می تواند حالات بیان چهره کاندیدا را اندازه گیری کرده و پیرو آن از روحیه آن ها مطلع شده و ویژگی های شخصیتی آن ها را بیشتر بشناسند.
گفتنی است، Unilever در حال حاضر شروع به ادغام این فناوری در فرآیند ثبت نام خود کرده است. با استفاده از این فناوری ، یک استخدام کننده قادر خواهد بود مثلاً سطح اعتماد به نفس کلی مصاحبه شونده را بداند و در مورد اینکه آیا این داوطلب قادر به عملکرد خوب در کار برخورد با مشتری خواهد بود یا نه ، تصمیم بگیرد. به همین ترتیب، به وسیله اندازه گیری تغییرات احساسات در طی مصاحبه و ارتباط دادن آن به دانش گسترده ای که در این زمینه وجود دارد، می توان فهمید که آیا کاندیدا به سوالات با صداقت جواب داده است یا خیر.
همچنین می توان با استفاده از این فناوری در شغل ها از طریق نگه داشتن و ضبط تعاملات کارمندان، روحیه آنان را درک کرد. به عنوان ابزار منابع انسانی، نه تنها می تواند استراتژی استخدام را طراحی کند، بلکه در طراحی سیاست های منابع انسانی نقش داشته و بهترین اجرا را از کارمندان به عمل بیاورد.
۳- تست بازی های ویدئویی
بازی های ویدیویی با در نظر گرفتن مخاطب هدف خاص طراحی می شوند. هر بازی ویدئویی هدف دارد تا یک رفتار خاص یا مجموعه احساسات کاربران را بیرون بکشد. در مرحله تست، از کاربران خواسته می شود تا در مدت زمان خاصی بازی مورد نظر را بازی کنند و باز خورد آن ها را در تولید نهایی محصول خود لحاظ می کنند. تشخیص احساسات چهره به ما کمک می کند تا بدون تجزیه و تحلیل فیلم گرفته شده به صورت دستی، احساساتی را که در دنیای واقعی حین بازی کردن داشته است را درک کنیم.
همچین با تجزیه و تحلیل تعامل کاربر به صورت زنده و شناسایی احساسات چهره وی، می تواند بازخوردی انجام گیرد. در حالی که احساس ناامیدی و عصبانیت معمولاً در بازی های ویدیویی پیشرفته تجربه می شود ، استفاده از تشخیص احساس چهره کمک خواهد کرد که درک کنیم درکدام یک از نقاط بازی ، چه احساسی تجربه می شوند. همچنین این امکان وجود دارد که احساسی غیر منتظره و نامطلوب حین انجام بازی بروز داده شود. به دلیل اینکه غالبا گنجاندن احساسات تجربه شده درون کلمات دشوار است در نتیجه گاهی اوقات گرفتن بازخورد از کاربری که بازی را تجربه کرده است ناکارآمد خواهد بود. علاوه بر این ، کاربران ممکن است نتوانند به یاد بیاورند که دقیقاً در قسمت های مختلف بازی چه احساسی را پشت سر گذاشتند. تشخیص احساسات چهره ابزاری عملی فراتر از بازخورد گفتاری یا کتبی و قدردانی از تجربه کاربر است. اگر بازخورد در این قالب گرفته شود، حتی تجربه کاربر نیز برای آن مزاحمتی ایجاد نکرده و تاثیری نخواهد داشت. در عین حال، چنین بازخوردی نسبت به دیگر روش های گرفتن بازخورد قابل اطمینان تر است.
۴- تحقیق در بازار
بطور سنتی ، شرکت های تحقیق بازار از روش های کلامی مانند نظرسنجی برای یافتن خواسته ها و نیازهای مصرف کنندگان استفاده کرده اند. با این حال ، این روش ها فرض می کنند که مصرف کنندگان می توانند ترجیحات خود را به صورت شفاهی تنظیم کنند و ترجیحات تنظیم شده با اقدامات آینده مطابقت دارد که ممکن است همیشه درست نباشد؛ یعنی ترجیحات و نیاز های مصرف کنندگان با اقدامات آینده تطابق نداشته باشند.
دیگر رویکرد پر طرفدار در صنعت تحقیق بازار استفاده از روش های رفتاری است که عکس العمل کاربران را حین برخورد با برند های تجاری یا محصولات مشاهده کنند. چنین روش هایی واقع گرایانه تر از روش های کلامی در نظر گرفته می شوند. روش های رفتاری از ویدیو های عکس العمل کاربران حین برخورد با محصولات استفاده می کنند ، که سپس این ویدئو ها برای مشاهده عکس العمل ها و احساسات آن ها به تجزیه و تحلیل به صورت دستی نیاز دارد. با این حال ، با افزایش اندازه نمونه ، چنین تکنیک هایی می توانند با زحمت بسیار زیادی همراه باشند. تشخیص احساسات چهره اجازه می دهد تا شرکت های تحقیق بازار، لحظه به لحظه بیان احساسات چهره را با کد گذاری چهره به صورت خودکار اندازه گیری کرده و نتایج را جمع آوری کند. به این گونه شناسایی احساسات چهره به نجات صنعت تحقیق بازار کمک می کند.
تشخیص احساسات با استفاده از فناوری چالش دشواری است، اما در حال حاضر یادگیری ماشین نوید بزرگی را به ما نشان داده است. با استفاده از تشخیص احساسات چهره ، مشتریان می توانند تصاویر و فیلم ها را در زمان واقعی برای نظارت بر بازخورد های ویدیویی و یا خودکارسازی تجزیه و تحلیل های ویدیویی پردازش کنند تا در هزینه ها صرفه جویی کرده و زندگی بهتری را برای کاربرانشان به ارمغان می آورند.
شناسایی احساسات چهره فقط زیر مجموعه ای از هوش بصری است که می تواند ویدئو یا تصاویر را به صورت خودکار تجزیه و تحلیل کند. برای شناسایی احساسات در تصاویر خود، می توانید بر روی این لینک کلیک کنید.
امیدواریم این مطلب را پسندیده باشید. برای استفاده از API های شرکت ParallelDots می توانید اینجا کلیک کنید.
بیشتر بخوانید :
- هوش مصنوعی مولد تهدیدات جدیدی برای امنیت سایبری ایجاد می کند
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
