|
Qué es la computación afectiva y
por qué las máquinas ya empiezan a entender sentimientos
Con el auge de la inteligencia artificial (IA), los teóricos de la
computación se preguntan más que nunca cómo evolucionará la relación
simbiótica entre los humanos y las máquinas. Para dar el próximo
gran paso hacia las interacciones naturales y efectivas entre
terminales avanzadas y operadores, es necesario que estas entiendan
las emociones humanas y reaccionen a ellas. Desde 1997, científicos
de áreas como la neurobiología, informática, ingeniería y psicología
han estado trabajando para perfeccionar el campo de la computación
afectiva. En 2024, después de 33 mil artículos al respecto y casi
dos décadas de investigación, un detallado informe ofrece un vistazo
sobre el estado actual del campo, los desafíos que enfrenta y la
dirección hacia la que se dirige.
¿Para qué la computación afectiva?
La computación afectiva no consiste en dotar a las máquinas de
sentimientos, sino en lograr que reconozcan las emociones humanas y
emitan resultados específicos con base en esta información.
La revista Intelligent Computing ha publicado un exhaustivo análisis
bibliométrico sobre la computación afectiva. El campo de estudio no
solo lleva años de desarrollo constante, sino que actualmente
atraviesa un periodo dorado. Lo anterior, aceptan los
investigadores, a pesar de que para cierta parte de la población la
idea de dotar a las máquinas con la capacidad de reconocer y emular
emociones pueda sonar innecesaria y representar una apuesta
arriesgada.
Solo en 2021, el valor del campo tecnológico se calculó en 21,600
millones de dólares y, para 2024, se espera que esa cifra se
duplique. El crecimiento
abrupto se puede explicar por el actual desarrollo tecnológico que
permite integrar, por fin, tecnologías que solo eran ideas a la
realidad (como los modelos de lenguaje extenso, sensores y robots
humanoides), así como por una demanda en países con alta densidad
poblacional. "La computación afectiva avanza según las necesidades
reales de la industria", sentencia el reporte.
Al principio, las máquinas que detectaban o simulaban emociones solo
se usaban con fines recreativos y de ocio. Ahora proliferan en otras
áreas como la educación, cuidados de la salud, negocios e incluso
para la integración del arte. Los expertos creen que, en la era de
la simbiosis hombre-máquina, reconocer la importancia de las
emociones en las computadoras brindará una "fuerza innovadora vital"
que impulsará el progreso industrial.
|
|
En los planteles educativos, los profesores pueden usar la
computación afectiva para reconocer el estado emocional de sus
alumnos y retroalimentarlos apropiadamente, ya sea de manera
presencial o a distancia. En medicina, la identificación de
emociones de pacientes con enfermedades neurodegenerativas es
fundamental para la generación de tratamientos óptimos. En
marketing, la definición del estado emocional del consumidor
revelará sus verdaderas preferencias y agilizará el proceso de
compra.
¿A qué se enfrenta la computación afectiva y hacia dónde va?
El artículo señala que existen al menos 10 desafíos y tendencias en
el desarrollo tecnológico en el campo de las máquinas afectivas.
Entre los más importantes se encuentran el modelado de contextos
culturales, la retroalimentación antropomórfica a través de rostros
y voz, el establecimiento de un código de ética universal sobre el
uso de datos emocionales, el modelado de emociones basado en la
neurociencia cognitiva y la informática afectiva grupal.
El campo de las emociones humanas es extremadamente complejo. En las
máquinas se volverá más complicado cuando se tomen en cuenta las
manifestaciones sentimentales de distintas culturas, la relación
entre lenguaje corporal y las palabras que se eligen para manifestar
los pensamientos, la privacidad de los analizados, el valor de las
intenciones de dichos análisis y la incorporación de dos o más
personas a la interacción entre máquinas y humanos.
Los retos deberán superarse para conseguir avances significativos en
la relación humano-máquina. El estudio estima que el campo servirá
para desarrollar en el futuro lejano una mejor conexión en las
interfaces cerebro-computadora, un diálogo empático entre humanos y
computadoras, la consolidación de la realidad virtual afectiva y la
toma de
decisiones de inteligencias
artificiales asistidas por emociones.
¿Cuáles son las bases actuales del campo?
Según el reporte bibliométrico, se identificaron al menos cinco pilares
fundamentales en los que se trabaja hoy para la vinculación emocional avanzada
entre humanos y computadoras.
En primer lugar, se destaca el desarrollo de la teoría fundamental de las
emociones, que sirve como parteaguas para los modelos computables de emociones.
Los modelos de emoción discreta y el de emoción dimensional, propios de la
psicología son los preferidos por los programadores, debido a su claridad,
interpretabilidad y su integración semántica en vocabularios y conceptos. La
implementación de dichas teorías permite la unificación de emociones en un
conjunto limitado primario como alegría, ira, tristeza o miedo.
En segundo lugar, se resalta la importancia de la correcta recolección de datos
considerados como muestras de afecto. Las máquinas afectivas, junto con sus
modelos de inteligencia artificial, requieren información para aprender, por lo
que la agrupación de archivos de texto, audio o video relacionados con
respuestas fisiológicas es crucial para el desarrollo del campo. Actualmente,
hay bancos de sentimientos que contemplan bases de datos de micro reseñas de
películas y opiniones de productos de Amazon, solo
|
|
por poner un ejemplo.
La tercera base es la del procesamiento de la información para lograr una
identificación precisa de las emociones y una emulación natural. Los modelos de
aprendizaje automático deben analizar eficientemente la información emocional en
lenguaje natural escrito, hablado, visual y del proveniente de señales
fisiológicas, como la frecuencia respiratoria y reacciones de
electrocardiograma.
La cuarta raíz, conocida como fusión multimodal, se fundamenta en la idea de que
la manifestación de emociones en los seres humanos no es directa, y que las
personas suelen ocultar capas de sentimientos en cada una de sus formas de
expresión. Por tanto, es fundamental reforzar la unión de información que llegue
a través de dos o más fuentes para así determinar el verdadero sentir de un
interlocutor.
Finalmente, se destaca la labor de expertos que trabajan para lograr que las
máquinas puedan responder de manera natural a las expresiones sentimentales. En
la actualidad, la generación de texto emocional y la síntesis de voz con los
tonos adecuados para transmitir un estado anímico son las áreas más
investigadas. La consolidación de esta base es de suma importancia, ya que un
robot afectivo deberá ser capaz de emitir tonos de control, persuasión y
atención.
Miles de estudios en computación afectiva
Durante 20 años de investigación en computación afectiva, se generó una amplia
base de datos que permite identificar a los países más prolíficos en estudios
sobre el campo. China tiene el primer lugar, con cerca de 8,000 autores que han
dedicado su tiempo al desarrollo de la computación afectiva. Le siguen Estados
Unidos con 4,000 y en tercer lugar se encuentra India con 3,800 investigadores.
Por otro lado, las instituciones más citadas y reconocidas son la Academia China
de Ciencias, la Universidad de Londres y la Unión de Universidades Francesas de
Investigación.
De todos los artículos sobre computación afectiva revisados, 12,000 están
relacionados con inteligencia artificial, 9,800 con ingeniería y 8,700 con
sistemas de información. Los conceptos más recurrentes en los reportes son
"análisis de sentimientos", "reconocimiento de emociones" y "computación
afectiva".
El reporte de Intelligent Computing concluye que, en 25 años, la computación
afectiva ha experimentado un crecimiento en cuanto al número de artículos
científicos publicados. El auge se debe a una comunidad de investigadores unida
y notablemente interesada en esta ciencia de carácter multidisciplinario. Hay
algunas sorpresas en el trabajo de revisión. India ha superado a Estados Unidos
en cuanto al volumen de publicaciones sobre el campo, aunque sus avances no
suelen ser tomados en cuenta debido a la falta de académicos representativos.
China se mantiene a la cabeza en el campo y sus trabajos son los más citados
entre académicos de todo el mundo.
|
