Sanghyub John Lee, Ho Seok Ahn, Leo Paas
بدأ الذكاء الاصطناعي يتغلغل في كثير من جوانب حياة الإنسان. فهو ليس مجرد أداة لتحليل البيانات، بل يغير الطريقة التي نتواصل بها ونعمل ونعيش. من ChatGPT إلى مولدات الفيديو المعتمدة على الذكاء الاصطناعي، أصبحت الحدود بين التكنولوجيا ومختلف جوانب حياتنا أكثر غموضًا.
لكن هل تعني هذه التطورات التكنولوجية أن الذكاء الاصطناعي يمكنه تحديد مشاعرنا عبر الإنترنت؟
في بحثنا الجديد، قمنا بدراسة ما إذا كان بإمكان الذكاء الاصطناعي اكتشاف المشاعر الإنسانية في المنشورات على منصة X.
ركَّز بحثنا على كيف يمكن أن تؤثر المشاعر المعبر عنها في المنشورات المتعلقة بمنظمات غير ربحية معينة على قرارات مثل اتخاذ القرار بالتبرع لها في وقت لاحق.
استخدام المشاعر لتحفيز الاستجابة
تقليديا، اعتمد الباحثون على تحليل المشاعر، الذي يصنف الرسائل إلى إيجابية أو سلبية أو محايدة. ورغم أن هذه الطريقة بسيطة وبديهية، إلا أنها محدودة.
المشاعر الإنسانية أكثر تعقيدًا بكثير. على سبيل المثال، الغضب وخيبة الأمل هما مشاعر سلبية، لكنهما يمكن أن يثيرا ردود فعل مختلفة تمامًا. وقد يتفاعل العملاء الغاضبون بشكل أقوى بكثير من العملاء المخيبين للآمال في سياق الأعمال.
لمعالجة هذه القيود، طبقنا نموذج ذكاء اصطناعي يمكنه اكتشاف مشاعر محددة، مثل: الفرح، والغضب، والحزن، والاشمئزاز، المعبر عنها في التغريدات.
وجد بحثنا أن المشاعر المعبر عنها على منصة X يمكن أن تمثل المشاعر العامة للجمهور تجاه منظمات غير ربحية معينة. وكانت هذه المشاعر تؤثر بشكل مباشر في سلوك التبرع.
اكتشاف المشاعر
لقد استخدمنا نموذج “التعلم عن طريق النقل” لاكتشاف المشاعر في النص. المحولات، التي تم تدريبها مسبقًا على مجموعات بيانات ضخمة من قبل شركات مثل Google وFacebook، هي خوارزميات ذكاء اصطناعي متطورة للغاية تتفوق في فهم اللغة الطبيعية (اللغات التي تطورت بشكل طبيعي على عكس لغات الكمبيوتر أو الكود).
قمنا بضبط النموذج بدقة على مزيج من أربع مجموعات بيانات لمشاعر تم الإبلاغ عنها ذاتيًا “أكثر من 3.6 مليون جملة”، وسبع مجموعات بيانات أخرى “أكثر من 60.000 جملة”. سمح لنا ذلك برسم خرائط مجموعة واسعة من المشاعر المعبر عنها عبر الإنترنت.
حقق النموذج دقة مثيرة للإعجاب تبلغ 84% في اكتشاف المشاعر من النصوص، وهو إنجاز جدير بالاهتمام في مجال الذكاء الاصطناعي.
ثم نظرنا في التغريدات المتعلقة بمنظمتين نيوزيلنديتين: مؤسسة Fred Hollows Foundationوجامعة أوكلاند. ووجدنا أن التغريدات التي تعبر عن الحزن كانت أكثر احتمالًا لتحفيز التبرعات لمؤسسة Fred Hollows Foundation، بينما ارتبط الغضب بزيادة في التبرعات لجامعة أوكلاند.
أسئلة أخلاقية مع تطور الذكاء الاصطناعي
تحديد المشاعر المحددة له تداعيات كبيرة على قطاعات مثل: التسويق، والتعليم، والرعاية الصحية.
ويمكن أن يساعد القدرة على تحديد استجابات الناس العاطفية في سياقات معينة عبر الإنترنت، صناع القرار في الاستجابة لعملائهم الفرديين أو سوقهم الأوسع. كل شعور محدد يتم التعبير عنه في المنشورات على وسائل التواصل الاجتماعي يتطلب رد فعل مختلفًا من شركة أو منظمة.
أظهر بحثنا أن المشاعر المختلفة تؤدي إلى نتائج مختلفة عندما يتعلق الأمر بالتبرعات.
معرفة الحزن في رسائل التسويق يمكن أن يزيد من التبرعات للمنظمات غير الربحية، مما يسمح بحملات أكثر فعالية وذات صدى عاطفي. ويمكن أن يحفز الغضب الناس على العمل استجابةً للظلم المدرك.
بينما يتفوق نموذج “التعلم عن طريق النقل” في اكتشاف المشاعر في النصوص، فإن الاختراق الكبير التالي سيأتي من دمجه مع مصادر بيانات أخرى، مثل نغمة الصوت أو تعبيرات الوجه، لإنشاء ملف عاطفي أكثر اكتمالًا.
تخيل ذكاءً اصطناعيًا لا يفهم فقط ما تكتبه، بل أيضًا كيف تشعر. فمن الواضح أن مثل هذه التطورات تأتي مع تحديات أخلاقية.
إذا كان بإمكان الذكاء الاصطناعي قراءة مشاعرنا، فكيف نضمن استخدام هذه القدرة بشكل مسؤول؟ وكيف نحمي الخصوصية؟ هذه أسئلة حاسمة يجب معالجتها مع استمرار تطور التكنولوجيا.
المصدر: The Conversation
