سیستم MASAI؛ هوش مصنوعی روسی که توانایی تجزیه و تحلیل احساسات انسانی را دارد

این پلتفرم مدرن، با استفاده از شبکه‌های عصبی مبتنی بر معماری ترانسفورماتور (شبیه به مدل‌های GPT) توانایی دارد که احساسات را به‌طور همزمان از طریق سه کانال صدا، تصویر و متن تجزیه و تحلیل کند.

بر اساس گزارش وب‌سایت علمی روسی Scientific.Russia، «ماسای» با ادغام هوشمندانه داده‌های چندرسانه‌ای و استفاده از تکنولوژی نوآورانه، قادر است هفت حس اصلی شامل شادی، اندوه، تعجب، آرامش، انزجار، خشم و ترس را با دقتی در حدود ۷۵ تا ۸۰ درصد شناسایی کند. این سطح از دقت، این سامانه را در مقایسه با دیگر سیستم‌های مشابه جهانی متمایز می‌سازد.

در این سامانه، برای هر نوع داده (صدا، تصویر، متن) از شبکه عصبی مختص به آن استفاده می‌شود و در نهایت، نتایج حاصل ترکیب می‌شوند تا تحلیلی جامع و یکپارچه به دست آید.

•  صدا با بررسی ویژگی‌هایی نظیر تن صدا، ریتم گفتار و وقفه‌ها، در ارزیابی شدت احساسات کارایی دقیقی دارد.

•  تصویر (ویدیو) قادر است تفاوت‌های ظریف در حالت‌های چهره‌ای مانند بالا رفتن ابروها (نشان‌دهنده تعجب) یا جمع شدن لب‌ها (نشان‌دهنده غم) را ثبت کند.

•  متن با تجزیه و تحلیل واژه‌ها و لحن نوشتار، محتوا را به دسته‌های مثبت، منفی یا خنثی تقسیم‌بندی می‌کند.

شایان ذکر است که این سامانه توانایی تشخیص شرایط حاد و پیچیده‌ای همچون پرخاشگری کلامی یا فیزیکی و همچنین علائم افسردگی را نیز دارد.
 

کاربردهای متنوع در صنایع مختلف

هوش مصنوعی عاطفی مانند «ماسای» می‌تواند قابلیت‌های دستیاران مجازی (همچون «آلیسا» یا ابزارهای «Sber» از یاندکس) را با فعال‌سازی پاسخ‌های همدلانه تقویت کند. این فناوری کاربردهای قابل توجهی در مراکز تماس، خدمات اضطراری و سیستم‌های بهداشت و درمان خواهد داشت.

علاوه بر این، در حوزه‌های تخصصی‌تر همچنین پزشکی، روانشناسی، جرم‌شناسی و بانکداری نیز می‌توان از این سیستم برای شناسایی به‌موقع بحران‌ها بهره برد. به عنوان مثال، شناسایی طعنه یا تمسخر که معمولاً از عدم تطابق واژگان مثبت با لحن تند یا حالات چهره منفی نشأت می‌گیرد، با رویکرد چندرسانه‌ای این سامانه با دقت بیشتری امکان‌پذیر است.
 

مقاومت در شرایط دشوار

پس از انجام آزمایش‌هایی در محیط‌هایی با نویز بالا و نور کم، نتایج نشان داده‌اند که سامانه «ماسای» حتی در صورت خرابی یا عدم دسترسی به یکی از رسانه‌ها (مثلاً فقط صدا یا فقط تصویر) نیز می‌تواند به‌طور مؤثر به تحلیل احساسات ادامه دهد.